MétaCan
Menu
Retour à la cohorte
Enregistrement W7065586234

“Es kommt nur naturally”: Language use of sixth grade students in an English-German bilingual program

2010· dissertation· en· W7065586234 sur OpenAlexaboutno aff

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2010
Typedissertation
Langueen
DomaineComputer Science
ThématiqueMachine Learning and Data Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNasalizationNucleofectionHyporeflexiaOscillographDysgeusiaPretext
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis discusses language use by sixth grade students in the English-German bilingual program in Winnipeg, Manitoba. This bilingual program started out as a heritage language program in the early 1980s, and continues to be well attended. This project looked at the way in which students used both English and German with a fluently bilingual interviewer in an out-of-classroom setting. The study started with the following research questions: \n1. How do children currently being educated in the English-German bilingual program in Winnipeg, Manitoba use German (the second language or L2) and English in out-of-classroom contexts? \n2. What kind of borrowing tendencies do sixth grade students share? \n3. What do these tendencies tell us about children’s bilingual language use and their communication strategies? \nIt is often assumed that use of L1 when speaking L2 is a sign of laziness or a sign of low language proficiency. However, based on a thorough linguistic analysis of two interviews as case studies, it became clear that borrowing is used for far more diverse purposes than the simple filling of lexical gaps. After an examination that included cultural vs. core borrowing, structural transference, and discourse-related borrowing, the data suggests that depending on the proficiency of the speaker, borrowing is an extremely important communication tool that not only allows the speaker to become more proficient in their L2, but also a more highly developed bilingual.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,578

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,283
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetMachine Learning and Data ClassificationTravaux en français237 207