Colonial and Indigenous language policies at McGill University: beliefs, mechanisms, and practices
Notice bibliographique
Résumé
Universities in Canada have generally perpetuated Eurocentric approaches to language that disproportionately value English and French, to the detriment of Indigenous languages. National calls to action about Indigenous languages in higher education seem to contradict institutional ones developed at McGill University. This study aims to amplify Indigenous voices and map institutional processes at McGill. My research explores two main questions: (1) What do Indigenous people at McGill have to say about the University’s role in Indigenous language revitalization (ILR)? (2) How do accreditation processes at McGill recognise and value students’ Indigenous language abilities, and/or their experience with language immersion programs and community based ILR? I have approached these questions from my own insider/outsider standpoint as a Métis graduate student in the Second Language Education program (M.A.) at McGill. Following a preparation stage, data collection began with an initial phase of consultations with other Indigenous people at McGill (conversational method, n=6). After the issue of accreditation was raised by these consultants, I began talking with McGill staff and faculty (most of whom were non-Indigenous) and engaged in textual analysis to map out McGill’s course equivalency process. I also recorded field notes of my observations and experiences on campus with a focus on language policy. My analysis explains how work is coordinated throughout the institution to discount learning experience with non-accredited community-based institutions. Despite the lack of formal recognition (e.g., course credits), Indigenous staff, students, and faculty continue to bring their languages with them, gradually increasing their presence and visibility on the University campus. As stakeholders throughout the institution continue to respond to sometimes contradictory calls to action, this study maps some of the terrain and identifies some of the mechanisms that bridge the gap between ideology/belief and practice.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,026 | 0,030 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».