Translanguaging for and as learning with youth from refugee backgrounds
Notice bibliographique
Résumé
Although host countries generally integrate refugees into public education, wide-spread and comprehensive understanding of teaching and learning with children and youth who have experienced forced displacement and migration remains an unmet goal within most education systems. This article explores the educational needs of these children and youth, exploring teacher perceptions of and approaches to students’ language and literacy practices. Sharing insights from case study research conducted in one Canadian school, the article discusses how educators at the school drew upon and engaged students’ linguistic resources as key to student learning, relationships and engagement, catalyzing new configurations of language in education. Analyzing these processes through a translanguaging theory of language, the article discusses how teachers and students engaged “translanguaging instinct” and created “translanguaging spaces” (Li, 2018) in their classrooms to support teaching and learning. Finally, the article proposes a three-dimensional matrix for teachers to use in reflecting on language teaching and learning, comprising axes of (1) teacher- and student-initiated translanguaging; (2) planned and spontaneous engagements with translanguaging; and (3) translanguaging as either a scaffold or a resource for learning. Illustrated with examples from practice and elaborated with teacher reflections, the article describes why such approaches are of critical importance in response to circumstances of forced migration and resettlement of vulnerable populations. Findings arising from this work further support and respond to the call for nuanced understanding of how translanguaging practice and pedagogy materialize within situated educational contexts.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».