“They’re Different From Who I Am”: Making Relevant Identities in the Middle Through Talk-in-Interaction
Notice bibliographique
Résumé
This qualitative study builds on earlier research on language and identity by focusing on how Canadian Generation 1.5 university students enact their identities through talk-in-interaction. Drawing on (applied) Conversational Analysis (CA) to analyze critically the production and management of social institutions in talkin-interaction in tandem with Membership Categorization Analysis (MCA) to examine the cultural resources individuals draw on to describe, identify, or make reference to other people and themselves, I undertake a critical discourse analysis (CDA) of data from semistructured interviews with four Generation 1.5 students conducted in a large, public, English-medium university in British Columbia. Rather than approaching the interview as a neutral technology that seeks to discover “truths,” I theorize the interviews as meaning-making ventures in themselves, adopting a reflexive orientation that recognizes that data are situated representations co-constructed through interaction with the interviewer. The study reports on how these students, in response to the interactionally occasioned constraints “inhabiting” our talk, produced identities that aligned with select “scholarly representations” from the applied linguistics literature that casts Generation 1.5 students in the middle. The study reveals how identity, power, and social issues are produced and managed in talk-in-interaction and how insights from M/CA might address matters of social justice in educational contexts.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».