Non-investment, the Lack of English Fluency of Well-educated Professional Chinese Immigrants in Anglophone Canada
Notice bibliographique
Résumé
The Chinese are the largest ethnic minority in Canada. As a group, they are well-known for not being able to speak fluent English, including those well-educated individuals who immigrated to Canada mainly in the 2000s. There is a rich literature in applied linguistics about immigrants’ second language learning. Nevertheless, studies on second language practice of this particular group of well-educated Chinese immigrants are lacking. This enquiry is aimed at exploring the reasons why well-educated professional Chinese immigrants, who constitute a large portion of the Chinese population in Canada, do not put more effort into improving their English after settling down there, even though a better level of proficiency can bring apparent benefits to their economic and social success in the new host country. Nineteen well-educated professional Chinese immigrants took part in in-depth interviews, the sole method of data collection of this exploratory study which has a conceptual framework capitalizing on such concepts as motivation/demotivation, value, capital, investment, community and identity. The findings reveal that the principal reason for a dearth of efforts is that they do not deem such efforts very necessary and worthwhile. The contribution of this study to knowledge lies in the conceptualization of non-investment, which complements the existing notion of investment by incorporating into it motivational/demotivational factors that the latter dismisses, and which addresses the issue as to what resources an individual depends on when making investment decisions. In addition, this concept is also a contribution to the under-researched area of demotivation. The immigration of well-educated Chinese professionals to Canada is one of the trends in human migration on the global scale which is a part of globalization. Therefore, the comprehension of the rationale behind their second language practice is significant to the applied linguists who work in the realm of globalization.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».