Blackfeet: Campus Voices, Future Echoes
Notice bibliographique
Résumé
As a Blackfeet senior student in the University of Montana/Missoula, I am research assistant to Mizuki Miyashita who is a linguistic professor who prioritizes the importance of the Blackfeet language revitalization at the university. Our work is surrounded on vowel changes and dialects because most of the language we use in our work is Blackfoot, which is the sister tribe in Canada, to show our work to people like myself that want to learn if not more about the Blackfeet language. My main interest in the abstract is to focus on what other native or non-native students would like to know more about or the reason to keep the Blackfeet language alive for future generations to come. With most native languages in Montana, every tribe prioritizes the importance of their language because it’s what gives us identity, culture and a sense of belonging for Native American heritage. On the university campus, there are a lot of native students and non-native students willing to learn the language like the Blackfeet or Amspaki Pikanii. The language itself is very hard to learn due to the authenticity and pronunciation of the words that are spoken by first language speakers, such as the older generations of the tribe. Yet what has helped with speaking the language are the recordings that had been approved by the Blackfeet elders. This is where my research helps with students that have taken interest in the language and they can help pass on the Blackfeet language to future generations.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,034 | 0,009 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».