Critical Analysis of English Education Policies in Japan Focusing on Two Discourses: Developing Human Resources and Nurturing Japanese Identity
Notice bibliographique
Résumé
A growing body of research reports negative results, such as widening economic disparity, due to English educationreform influenced by neoliberalism. Japan is no exception. Linguistic instrumentalism is intensifying in Tokyo,which is scheduled to host the Olympic and Paralympic Games in 2020. This article critically analyzes policydocuments issued by the largest business lobby in Japan (Keidanren), Japan’s Ministry of Education, Culture, Sports,Science and Technology (MEXT), the Tokyo Metropolitan Government (TMG), and the Tokyo Metropolitan Boardof Education (TMBOE) within Japan’s social and political context. All of the documentary data are official-publicand open-archival. The study reveals that two discourses, developing human resources and nurturing Japaneseidentity, are repeated throughout the policy documents. While MEXT, TMG, and TMBOE stipulate their intention toaccelerate Japan’s internationalization, their policy documents have potential to lead students in an opposingdirection with an emphasis on fierce competition and pluralist multiculturalism, which dichotomizes the self andothers by simplifying differences. In the discussion section I suggest implementing pedagogical practice based oncritical multiculturalism to multiply the effect of these top-down measures. Ultimately, EFL teachers could form abottom-up powerbase by critically analyzing the official policies and by implementing practice that fits to theparticular setting.
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 | 0,001 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».