To what extent are Canadian second language policies evidence-based? Reflections on the intersections of research and policy
Notice bibliographique
Résumé
THE PAPER ADDRESSES THE INTERSECTIONS BETWEEN RESEARCH FINDINGS AND CANADIAN EDUCATIONAL POLICIES FOCUSING ON FOUR MAJOR AREAS: (a) core and immersion programs for the teaching of French to Anglophone students, (b) policies concerning the learning of English and French by students from immigrant backgrounds, (c) heritage language teaching, and (d) the education of Deaf and hard-of hearing students. With respect to the teaching of French, policy-makers have largely ignored the fact that most core French programs produce meager results for the vast majority of students. Only a small proportion of students (<10%) attend more effective alternatives (e.g., French immersion and Intensive French programs). With respect to immigrant-background students, a large majority of teachers and administrators have not had opportunities to access the knowledge base regarding effective instruction for these students nor have they had opportunities for pre-service or in-service professional development regarding effective instructional practices. Educational policies in most jurisdictions have also treated the linguistic resources that children bring to school with, at best, benign neglect. In some cases (e.g., Ontario) school systems have been explicitly prohibited from instituting enrichment bilingual programs that would promote students' bilingualism and biliteracy. Finally, with respect to Deaf students, policy-makers have ignored overwhelming research on the positive relationship between academic success and the development of proficiency in natural sign languages, preferring instead to leave uncorrected the proposition that acquisition of languages such as American Sign Language by young children (with or without cochlear implants) will impede children's language and academic development. The paper reviews the kinds of policies, programs, and practices that could be implemented (at no additional cost) if policy-makers and educators pursued evidence-based educational policies.
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 | 0,175 | 0,353 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,014 | 0,023 |
| Études des sciences et des technologies | 0,015 | 0,023 |
| Communication savante | 0,034 | 0,015 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,016 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».