MétaCan
Menu
Retour à la cohorte
Enregistrement W2975155526 · doi:10.19136/etie.a2n3.3058

The Privileging of English Language Use in Academia: Critical Reflections from an International Doctoral Seminar

2019· article· en· W2975155526 sur OpenAlexaffabout
Jon Woodend, Lisa Fedoruk, Avis Beek, Sylvie Roy, Xuequin Xu, Janet Groen, Xiang Li

Notice bibliographique

RevueEmerging Trends in Education · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNegotiationPrivilege (computing)BeijingChinaLingua francaEnglish languageSociologyPolitical scienceSpace (punctuation)Equity (law)Media studiesPedagogyPsychologySocial scienceLinguisticsLawMathematics education

Résumé

récupéré en direct d'OpenAlex

In this article, we, a Canadian team of doctoral researchers, reflected on our journey during an International Doctoral Research Seminar held in Beijing in 2015. As five doctoral students and two academics, we met with our doctoral colleagues from academic institutions in Brisbane (Australia) and Beijing (China). Although we did not discuss or negotiate which language we would be using in China, we were confronted with our assumption that English would be used, and that some the participants had a lower level of English competency than expected. It was apparent that this assumption of English language use privileged some (i.e., Canadian and Australian teams) while disadvantaging others (i.e., Chinese team). This confrontation brought up questions and concerns about equity in participation. As a result, this article chronicles the Canadian team reflecting on the International Doctoral Research Seminar including our privilege of using English, and coming to the position of wanting to create a more inclusive space for all participants to engage equitably in this international collaboration. As such, our reflections in this article focused on the domination of English as a lingua franca in academic spaces, in addition to how we decided to facilitate a transcultural space for all participants to be included.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,371
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,373
Écart entre enseignants0,332 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmerging Trends in EducationMême sujetSecond Language Learning and TeachingTravaux en français237 207