Linguistic Ecosystems for Foreign-Language Learning in Canada and Japan: An International Comparison of Where Language-Learning Beliefs Come From
Notice bibliographique
Résumé
We report on international research that compares linguistic ecosystems, that is, socially constructed public attitudes and ideologies concerned with foreign-language (FL) learning, in Canada and Japan. Analyzing responses to three interview questions from 125 interviews with five categories of respondent in each country, we suggest that there are a number of key differences between the linguistic ecosystems of the two countries, most notably that whereas Canada appears to promote the learning of foreign culture with little support for FL learning, Japan appears to promote FL learning without the learning of foreign culture.Notre article porte sur la recherche internationale qui compare les écosystèmes linguistiques, c’est à dire les attitudes et idéologies publiques définies par la société et portant sur l’apprentissage d’une langue étrangère, du Canada à ceux du Japon. Une analyse des réponses à trois questions d’entrevue provenant de 125 entrevues avec cinq catégories de répondants de chaque pays nous porte à conclure qu’il existe quelques différences importantes entre les deux écosystèmes linguistiques des deux pays, notamment que le Canada semble promouvoir l’apprentissage d’une culture étrangère tout en fournissant peu d’appui pour l’apprentissage d’une langue étrangère, alors que le Japon semble promouvoir l’apprentissage d’une langue étrangère sans l’apprentissage d’une culture étrangère.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».