English: its role as the language of comity in an employment programme for Canadian immigrants
Notice bibliographique
Résumé
This study explores the experiences of a culturally and linguistically diverse group of immigrant adult students as they attended a 12-week employment preparation course for newcomers to Canada. The main aim of the course was to equip the immigrants with knowledge and skills, including English for employment purposes, which are necessary to be competitive in the labour market. Using ethnographic methods, mainly participant observation with audio recording, to collect data, this paper analyses the communicative strategies that this group of multilingual speakers and their Canadian teachers deployed to discursively construct a ‘heterotopia’ defined here as ‘intensely affective spaces that redefine the experiential feeling of being and becoming’. Analysis of transcribed audio recordings reveals that despite differences in communication conventions and sociocultural backgrounds, the research participants from Congo, Haiti, India, Bangladesh, Jordan and the Philippines managed to establish a socially cohesive team that emphasises shared relational identity and in-group membership. The findings show how they creatively mobilised previously acquired pragmatic strategies and resources from their L1 to suit the demands of the ongoing interaction in English. It is suggested that language teaching in the context of preparing immigrants for labour market integration entails a pedagogical approach that foregrounds the affordances of English not only as the language of employment but perhaps more importantly as the ‘language of comity’. It is therefore suggested that the teaching of the host country's language should focus less on grammatical correctness and focus more on providing the adult learners with opportunities to activate existing pragmatic resources and strategies which have to do with establishing rapport and friendly relations.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,028 | 0,005 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».