A corpus-based approach to developing vocabulary curriculum materials for Indigenous youth: AI-generated versus human-created content
Notice bibliographique
Résumé
Given inequitable access to learning resources caused by socioeconomic and historical issues, many Indigenous students have fallen behind grade expectations. This is in particular critical at the high school level, with increased academic English language demands in their learning of content areas. This paper reports on an exploratory study using corpus analysis that examined Indigenous students’ vocabulary use in verbal narratives, a spoken corpus—the representation of adolescent oral language competence at the school. It evaluated the feasibility, in terms of vocabulary coverages, of using both human-created and AI-generated narrative curriculum materials with enriched vocabulary to support culturally responsive vocabulary instruction. The study was conducted in an Indigenous high school in Canada, located in a remote First Nation community where most students spoke Ojibwe as their first language. The results found that Indigenous students’ narratives used a significant percentage of the first 1000 high frequency words and a small percentage of the second 1000 high frequency and academic words. Human-created and AI-generated narratives had a significantly higher percentage of the second 1000 high frequency words than Indigenous students’ narratives. Finally, AI-generated narratives contained a significantly higher percentage of academic words than both Indigenous youth’s and human-created narratives. The implications of the findings indicate that a data-driven corpus-based language pedagogy can be effective developing in innovative vocabulary instructional materials for future CALL interventions to support Indigenous youths. This can be achieved in light of culturally responsive pedagogy by leveraging Indigenous oral literacy traditions of storytelling, the youths’ narrative skills and their interests and aspirations. The present study has shown that some AI tools, along with carefully piloted prompts, have the capacity to efficiently co-develop vocabulary instructional content.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».