MétaCan
Menu
Retour à la cohorte
Enregistrement W2556532347 · doi:10.1080/14790718.2016.1253699

Plurilingualism amid the panoply of lingualisms: addressing critiques and misconceptions in education

2016· article· en· W2556532347 sur OpenAlexafffundabout
Steve Marshall, Danièle Moore

Notice bibliographique

RevueInternational Journal of Multilingualism · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMultilingualismPedagogyPolitical scienceSociologyMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Today, scholars and students face an array of lingualisms: bilingualism, multilingualism, polylingualism, metrolingualism plurilingualism, codeswitching, codemeshing, and translanguaging, among others. Plurilingualism can be understood as the study of individuals’ repertoires and agency in several languages, in different contexts, in which the individual is the locus and actor of contact; accordingly, a person’s languages and cultures interrelate and change over time, depending on individual biographies, social trajectories, and life paths. The term ‘plurilingual competence’ adds emphasis on learners’ agency, and constraints and opportunities in educational contexts. We discuss where and how plurilingualism fits among the other lingualisms, its similarities and differences, with an example of plurilingual pedagogy and practice from a university in Vancouver, Canada. In doing so, we challenge three common critiques of/misconceptions about plurilingualism: (i) that it is based on an invalid static binary between the social and the individual, (ii) that it is over-agentive, and (iii) that it can serve to reinforce social inequities within a neoliberal world order.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0310,181
Communication savante0,0270,022
Science ouverte0,0040,017
Intégrité de la recherche0,0090,020
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,515
Écart entre enseignants0,432 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations156
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of MultilingualismMême sujetMultilingual Education and PolicyTravaux en français237 207