Intersections of Social Cohesion, Education, and Identity in Teachers, Discourses, and Practices
Notice bibliographique
Résumé
Major immigrant-receiving nations, such as Canada, Australia, and Britain as well as a range of European countries, have focused considerable public debate and government policy on considerations of what is required to promote social cohesion. Discourses on social cohesion widely acknowledge that public education systems provide critical contexts for constructing social cohesion among their diverse communities. In Canada, provincial ministries of education, local school districts, and teachers' professional regulatory agencies issue policy directives related to building social cohesion in the framework of an officially bilingual and multicultural nation. Yet there is scant research on what Canadian teacher education programmes do to prepare both pre- and in-service teachers for work in classrooms characterised by diverse languages and cultures. In this article, we report on a teacher-researcher collaboration that investigated how teachers drew on their own and their students' diverse identities as resources to create inclusive and equitable classrooms. We examine teachers' discourses about the pedagogical practices they adopted and the powerful insights they provided on building social cohesion in classrooms. Our experiences in this project resonate with findings about innovative approaches to working with pre- and in-service teachers in other national settings. Their accounts can usefully inform policymakers, social theorists, and researchers about the intersections of identity, language, and education implicated in social cohesion projects.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».