Critical Media Analysis in Teacher Education: Exploring Language-Learners’ Identity Through Mediated Images of a Non-Native Speaker of English
Notice bibliographique
Résumé
Media literacy education has become increasingly present in curricular initiatives around the world as media saturate our cultural environments. For second-language teachers and teacher educators whose practice centers on language, communication, and culture, the need to address media as a pedagogical site of critique is imperative. In this article, I introduce critical media analysis (CMA) as a tool that cultivates discussion of language-learners’ identities as they are shaped by popular media. I present CMA in the context of critical language studies and communication theories that situate language in social and political landscapes. I describe a hybrid (quantitative/qualitative) approach to CMA as I apply it to a non-native speaker of English (NNSE) character from an internationally successful Hollywood film. I describe representations that “symbolically colonize” (Molina-Guzmán, 2010) the NNSE as lower class, lower status, and comfortably positioned as subordinate to his native-speaker counterparts. I then share examples of how students use CMA to further explore media cultivation of social attitudes toward language-learning, language policies, and NNSE identity. Overall, this article offers second-language teacher educators a theoretically informed model of analysis that engages TESL professionals as active participants in their media-saturated environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,020 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».