MétaCan
Menu
← Retour à la cohorte
Enregistrement W7133029339

Mandarin Chinese Heritage Language Learners’ Motivations and Experiences at the Post-secondary Level in Canada Through Language Ideology

2024· dissertation· W7133029339 sur OpenAlexaffabout
Xiaoyue Chen

Notice bibliographique

RevueTSpace · 2024
Typedissertation
Langue
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMandarin ChineseHeritage languageIdeologyTransformative learningLanguage acquisitionCurriculumCategorizationLanguage proficiencyLanguage education
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study investigates how language ideology shapes university Mandarin Chinese heritage language (CHL) learners’ learning motivations and experiences in Canada. Most research investigates motivation through quantitative methods to categorize Heritage Language Education (HLL) into different groups, which neglects their complexity and diverse profiles. Therefore, in this study, individual semi-structured interviews were conducted to collect data and the data were analyzed to capture part of the dynamic and various profiles of Mandarin CHL learners to better support their learning and deconstruct the common idea that “China”, “the Chinese”, and “the Chinese language” are all static and monolithic categories. In this study, participants reported that their primary learning motivations were familial and social connections, potential benefits from Mandarin proficiency, and self-growth. Students who participated in this study also shared their enrollment and unpleasant experiences when they started Mandarin learning in kindergarten or elementary school, and their transformative positive experiences in university mainly due to the change in their social and learning environment. This study also provides rich information about participants' language ideology change to better support future curriculum and program development, and consistent Mandarin Chinese heritage language learning for different stakeholders.Keywords: Learning motivation, Mandarin, Chinese, university heritage language learners, learning experiences, language ideology

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,308
Écart entre enseignants0,287 · 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'étudeQualitatif
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetEFL/ESL Teaching and Learning→Travaux en français237 207→