La identidad autóctona y el aprendizaje del español como segunda lengua en comunidades indÃgenas de Hispanoamérica : el caso de Ecuador
Bibliographic record
Abstract
Cette recherche se construit autour d’un travail de terrain réalisé dans trois communautés autochtones quichuas vivant au nord de l’Équateur. Il prétend étudier l’incidence que devrait avoir la diversité culturelle et linguistique dans les politiques éducatives en milieu plurilingue et multiculturel. En Amérique hispanique, l’éducation des peuples autochtones n’a jamais été très attentive à leurs besoins spécifiques en ce qui a trait à l’apprentissage de l’espagnol comme langue seconde. En effet, les motivations des apprenants, plus instrumentales qu’intégratives, prouvent que les autochtones apprennent la langue espagnole presqu’exclusivement pour communiquer, sans vraiment être intéressés au groupe natif de cette langue. De plus, notre recherche sur le terrain avec les apprenants du peuple Otavalo nous a démontré que leur très forte identification ethnique influence l’acquisition de l’espagnol. D’une part, ils sont plus enclins à se distinguer des autres, spécialement des hispano parlants, et de l’autre, ils réussissent plus difficilement à atteindre une compétence élevée dans la langue seconde. Notre recherche conclut donc que l’éducation, qu’elle soit issue du système national ou bilingue, devrait davantage prendre en considération l’identité ethnolinguistique des nombreux enfants indigènes, afin de ne pas préjudicier leurs droits. Ceci permettrait de favoriser un apprentissage positif et significatif de l’espagnol comme langue seconde ou langue maternelle, mais tout en consolidant l’identité autochtone des apprenants.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".