Che italiano fa? Un caso studio sui manuali di italiano L2 in Ontario
Bibliographic record
Abstract
Il contributo analizza la natura dei testi input presenti nei manuali di italiano L2 usati nelle università dell'Ontario (Canada), ponendosi l'obiettivo di verificare quanto il modello lingusitico offerto dalla didattica nord americana sia in linea con l'uso vivo della lingua, in particolare dell'oralità.Dopo una riflessione di natura semiotica sullo spazio lingusitico italiano e sulla sua caratterizzazione nei quadri della creatività e della varietà semiotica, sono richiamati gli elementi che Sabatini e Berruto hanno declinato alla fine degli anni Ottanta come esemplificativi per la definizione dell'italiano contemporaneo in quanto lingua cui si affianca ad un uso standard, un uso neostandard, in particolare nei contesti dell'oralita il quale, considerata la pressante esigenza pragmatica e comunicativa, iniziava a condizionare, diventando nuova norma, anche 'italiano scritto.Se la riflessione di Sabatini e Berruto ha una propria ragione in virtù della necessità scientifica di dare un paradigama all'italiano contemporaneo, tale necessità diviene ancora più pressante se il focus della riflessione si sposta dal piano puramente descrittivo dell'uso contemporaneo a quello didattico in cui lo studente, soprattutto in contesto straniero, è portato ad avere accesso all'italiano d'uso solo (0 prevalentemente) all'interno del contesto classe, e quindi solo dagli strumenti in esso utilizzati.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.014 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
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".