Literacy Engagement in Multilingual and Multicultural Learning Spaces
Notice bibliographique
Résumé
This article presents qualitative findings from a larger design-based research doctoral study in which I examined the impact of a curricular innovation to challenge the monolingual and monocultural norms of literacy practices and to be responsive to the linguistic and cultural landscape of 21st century classrooms. I collaborated with 11 university preservice teachers and 28 English language learners (ELLs) in Grades 2 and 3 to design and implement a literacy intervention, called the Name Jar Project, focused on cultivating literacy engagement. I used constant comparison analysis to analyze data sources, which included field notes, student artifacts, and preservice teachers’ reflections. This article documents the positive impact of the intervention in supporting the students’ linguistic and cultural needs, affirming their identities, and bolstering their vocabulary development. Cet article présente les constatations qualitatives d’une étude de recherche de doctorat plus importante conforme au modèle méthodologique de recherche-design (design-based research, ou DBR) dans laquelle j’ai examiné l’impact d’une innovation pédagogique conçue pour remettre en cause les normes unilingues et uniculturelles des pratiques de littératie et pour permettre à l’enseignement de s’adapter au paysage linguistique et culturel des salles de classe du 21e siècle. J’ai collaboré avec 11 enseignantes et enseignants universitaires en formation et 28 apprenantes et apprenants de la langue anglaise (English language learners,ou ELLs) de 2e et 3e année afin de concevoir et de mettre en œuvre une intervention en matière de litératie, baptisée Name Jar Project, centrée sur une émarche favorable à la culture de la littératie. J’ai constamment eu recours à des techniques d’analyse comparative pour analyser les sources de données, lesquelles comprenaient des notes, des artefacts associés au prénom de chaque élève et des réflexions d’enseignantes et enseignants en formation. Cet article documente l’impact positif de l’intervention sur la réponse aux besoins linguistiques et culturels des élèves, l’affirmation de leur identité et la stimulation du développement de leur vocabulaire.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».