Examining Gender Differences In Heritage Language Maintenance And Loss Among South Asian First-Generation Canadians, And The Effect On Well-Being
Notice bibliographique
Résumé
Language is prevalent in various aspects of life. Not only is it often essential for communication, but it also has deep roots within cultural contexts. Specifically, within South Asian culture knowing one’s heritage language is considered to be necessary when it comes to connecting with one's cultural group and identity. Heritage language maintenance can be seen differently within different individuals and have different implications for them. This study was designed to explore gender differences in heritage language loss as well as the role language may play in one’s well-being. Canadian-born South Asian children and young adults aged 10-25 completed an online survey which looked at demographics, acculturation/enculturation, bilingual dominance, well-being, as well as language skills. Following the survey participants met the researcher over zoom to complete a vocabulary test. The study aimed to answer the questions of whether there are gender differences in heritage language loss/maintenance in second generation South Asian immigrants, as well as whether being proficient in one's heritage language affects their well-being. There was no significant relationship found between gender and language skill, except when looking at the association between gender and English vocabulary scores. However, gender was found to be a predictor of English vocabulary test scores. In addition, there was no relationship found between well-being and language skill, nor did well-being predict language skill. This research aids in providing important insight into the impact language has on individuals within certain communities both at a group and individual level.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».