USE OF SCIENTIFIC RESULTS IN THE PROCESS OF LEARNING THE NATIVE LANGUAGE
Bibliographic record
Abstract
Наприкінці 1980-х років посилилися суспільно-політичні зміни, які надали можливість закарпатським угорцям сформулювати нові цілі, створити організації для захисту своїх інтересів, розвивати мережу освітніх закладів, акцентуючи на місцях некомпактногопроживання угорців та на здобутті вищої освіти. Для угорської громади на Закарпатті, якій довелося зіткнутися з економічними труднощами та масовою міграцією, саме освіта угорською мовою стала тим чинником, який сприяв ухваленню рішення залишатися на рідній землі, збереженню та розвитку рідної мови.«Двадцять два» – це назва книги, що описує історію і розвиток освіти угорською мовою на Закарпатті впродовж 22-ох років нового тисячоліття. Видання дає відповіді на актуальні запитання про роль регіональних мовних варіантів в освіті, особливості викладання рідної мови в умовах компактного проживання нацменшин, наскільки сприяють навчальні програми та підручники, використовувані в закарпатських школах, формуваннюмовної толерантності й мововживання, що підлаштовується до розмовної ситуації. Авторамикниги є викладачі Закарпатського угорського інституту ім. Ференца Ракоці ІІ Аніко Берегсасі та Катерина Дудич-Лакатош.
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 | 0.037 | 0.061 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.022 | 0.013 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.008 |
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".