MétaCan
Menu
Retour à la cohorte
Enregistrement W2927315304

Negotiating Language Policies: Parents as Agents of Change for Learners of EAL

2019· article· en· W2927315304 sur OpenAlexaffabout
Yan Guo

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)NegotiationFocus groupPublic relationsPolitical scienceUnderclassImmigrationSociologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Language policy research puts little emphasis on parental agency. The parents of English as Additional Language (EAL) learners are often excluded from school decision-making processes whereas White middle-class parents are more strategic in intervening in their children’s schools. This study explored how immigrant parents advocated for higher quality and more equitable EAL policies and practices in Alberta. The study takes policy as discursive practice and examines how policy is experienced and constructed locally by parents. It focuses on eight components of EAL policy: visibility, designation of responsibility, eligibility, duration, placement, programming, assessment and reporting, and funding. Data for the study were collected through policy documentation, interviews with 35 parents and community members from 17 countries, and 2 focus groups with parents and policy-makers. Parents reported that inequitable EAL policies resulted in the creation of a permanent underclass and utilized a range of strategies to influence such policies. The study brings new voices of EAL parents into the educational policy process. Results of this research will provide directions for EAL policies, programs and services, as well as new insights into the effectiveness of advocacy and capacity building of EAL parents.

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,310

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,010
Communication savante0,0070,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,159
Tête enseignante GPT0,453
Écart entre enseignants0,294 · 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'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2019 Conference of the Canadian Society for the Study of EducationMême sujetMultilingual Education and PolicyTravaux en français237 207