Bibliographic record
Abstract
A pesar de la gran cantidad de variedades del español (Lipski, 2012), en los manuales de español como lengua segunda y extranjera (en lo sucesivo, L2/LE) sigue prevaleciendo la variedad peninsular (Potvin, 2018). En vista de que actualmente uno de los objetivos de la enseñanza del español L2/LE es formar a un hablante intercultural, es decir a un hablante “capaz de identificar los aspectos relevantes de la nueva cultura a la que accede a través de la lengua y desarrollar la sensibilidad necesaria para establecer puentes entre la cultura de origen y la cultura nueva”, ofreciéndole muestras de lengua auténtica (Instituto Cervantes, 2007: 33), proponemos una manera de tratar la interculturalidad en los cursos de español L2/LE aplicada a la variedad mexicana, la cual permitirá a su vez resolver qué variedad enseñar en los cursos de español (Blake y Zyzik, 2016). Recurriremos a la propuesta de Potvin (2020) para justificar que nuestra atención se concentre en el caso de México, por ser la variedad preferente, según la terminología de Andión Herrero (2007), que se debería privilegiar en los cursos impartidos en Canadá (Potvin, 2020), país donde se enseña el español L2/LE. Diferentes razones nos llevan a esta elección: México comprende la mayor parte de hispanohablantes además de ser el país hispano más cercano a Canadá. En nuestra labor, tendremos que interrelacionar los inventarios culturales del Plan Curricular del Instituto Cervantes (2007) a las nociones de Cultura con C mayúscula y de Cultura “a secas”, de Miquel y Sans (2004), para desarrollar el contenido cultural propio de la variedad mexicana, que contribuye a llevar al aprendiente a ser un hablante intercultural. Así, nos centramos en el contenido cultural y lingüístico de los refranes mexicanos y las festividades del folclore mexicano según el nivel de los aprendientes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".