A female refugee’s investment in multiple literacies post-migration
Notice bibliographique
Résumé
As the immigration and refugee intake rates continue to rise in Canada, English Language Learning (ELL) schools, centres and programs strive to keep pace with the demand. ELL educators are being propelled to think and teach in new ways that meet the needs of learners living in a digital age. Some learners arrive with competency in English language literacies and/or digital literacies, while others do not. For learners who possess minimal traditional print based and/or digital literacies, integrating into modern Canadian society can prove extremely challenging. This case study explores one such learner’s engagement with ELL and other literacies in a multicultural, modern urban centre on the West Coast of Canada. Semi-structured interviews, informal observations and conversations were the methods used to provide a holistic overview of the participant’s language learning process. The findings of this research demonstrate how identity is linked to investment in ELL as a means to increase economic, cultural and/or social capital. When the dominant ideology positioned the participant as an outsider because of her low level of proficiency in spoken English, she was prevented access to meaningful employment and denied a sense of independence, leading her to be creative in constructing an “imagined identity” that would better her life chances. Similarly, she was silenced and excluded from online spaces and membership in a discourse community because of a lack of digital literacy. The participant also struggled to “read” the sociocultural literacy of her new environment and felt positioned as an outsider, unable to judge situations and people accurately. While her English language literacy development was limited, relative to her classmates, over the course of her two-year study, she did eventually develop the sociocultural literacy necessary to evaluate her life prospects and construct a new identity, which led to an increase in her symbolic capital and overall well-being.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,026 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».