Le multilinguisme des jeunes allophones québécois : ressource sociétales et défi éducatif /
Bibliographic record
Abstract
En collaboration avec sa collègue Dominique Bastien, professeure d'anglais et d'allemand, Susanne de Lotbinière-Harwood propose une ré exion sur le rapport dynamique entre la langue première et les autres langues, seconde comme étrangère.intégration linguistique des allophones à une société francophone et l'ajustement des établissements de langue française à la diversité ethnolinguistique sont deux sujets qui ont reçu une attention importante de la part des chercheurs québécois.On a accordé peu d'attention, par contre, à un trait particulier de la population allophone québécoise, soit son multilinguisme.Nous présentons ici quelques données de recensement sur les connaissances linguistiques de la population allophone québécoise et parlons très brièvement d'une étude en cours sur le multilinguisme des jeunes allophones montréalais.Suit une discussion sur l'évolution des façons de percevoir le multilinguisme dans une société et sur la manière dont les perceptions s'insèrent dans des conceptions différentes de modèles de société.Nous abordons le modèle de société mis de l'avant par le Québec dans ses politiques en matière d'immigration et d'éducation interculturelle.Finalement, nous soulignons, d'une part, les dé s du multilinguisme pour le milieu de l'enseignement et, d'autre part, quelques mesures que les établissements peuvent mettre en place pour soutenir et développer cette ressource sociétale. Le multilinguisme au Québec : quelques données de recensementAu Québec, comme au Canada, le nombre de personnes ayant une langue maternelle autre que le français ou l'anglais a augmenté dans les dernières décennies.Cette diversité linguistique est évidemment reliée à l'importance de l'immigration au pays et, dans le cas des immigrants récents, à la présence d'une plus grande proportion de gens Patricia
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".