English medium instruction in South Asia’s multilingual schools: unpacking the dynamics of ideological orientations, policy/practices, and democratic questions
Notice bibliographique
Résumé
This article provides a critical review of English medium instruction (EMI) policy/practices in the K-12 multilingual schools in South Asia, especially in Nepal, India, and Pakistan. Employing Bourdieu’s (1993) lens of ‘linguistic capital’ and ‘linguistic marketplace,’ the article takes stock of (a) the development of EMI and its ideological and pedagogic motivations, (b) the models of EMI policy in relation to mother-tongue-based multilingual education (MTB-MLE) and their practices, and (c) social justice concerns that arise from such policies/practices. As the review of research and policy/practices reveals, EMI is ideologically perceived as a means of acquiring the linguistic capital, often believed to provide access to the global economy; and, therefore, a liberating tool for socioeconomically minoritized groups. Such ideology has, then, oriented the concerned bodies to position EMI within the framework of MTB-MLE in South Asian countries, creating the discourse of inequality and injustice for different social groups. The article continues the argument that the language policies, which are being developed/practiced in the lure of economic globalization, ignoring the local realities, become a source of marginalization along the lines of class, ethnicity, gender, and regions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».