Effects of Canada’s Increasing Linguistic and Cultural Diversity on Educational Policy, Programming and Pedagogy
Notice bibliographique
Résumé
In Canada, 22.9% of people report a “mother tongue” that is not English or French (Government of Canada, 2017) and most of them are newcomers. Within Canadian primary and secondary school, there were 4.75 million students enrolled in the 2015/2016 school year (Statista, 2018), and 2.2 million children under age 15 who were foreign-born or who had at least one foreign-born parent (Government of Canada, 2017). Thirty-seven and a half percent of all Canadian children have an immigrant background (Government of Canada, 2017). These statistics point towards large numbers of students in Canadian schools who have a depth of linguistic resources and repertoire. This diversity has implications on educational policy, programming, and pedagogy. In order to ensure that the education provided to students in Canadian classrooms is relevant, future-focused, and honouring to the depth of linguistic and cultural resources represented within the classroom it is necessary for teachers and policy-makers to have a strong understanding of how English as an additional language (EAL) students learn language and literacy, and how they enrich the learning environment of the classroom as a whole. This article describes the effects of Canada’s increasing diversity on educational policy, programing and pedagogy.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,024 | 0,006 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».