MétaCan
Menu
Retour à la cohorte
Enregistrement W3158006289 · doi:10.1080/09571736.2021.1906301

Postmemory and multilingual identities in English language teaching: a duoethnography

2021· article· en· W3158006289 sur OpenAlexaff
Anwar Ahmed, Brian Morgan

Notice bibliographique

RevueLanguage Learning Journal · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDialogicSociologyTransformative learningSemioticsIdentity (music)Agency (philosophy)TranslanguagingReflexivityPedagogyLinguisticsAffect (linguistics)NegotiationMultilingualismAestheticsSocial science

Résumé

récupéré en direct d'OpenAlex

Postmemory, the narrativised intergenerational transfer of often traumatic experiences, is a crucial component of multilingual identity negotiation. In this article, we focus specifically on the curricular interactions and personal and collective aspirations of multilingual students who use English for academic purposes. We situate our discussions in the literature on critical pedagogy, affect/emotion theory, and memory studies. We utilise duoethnography as a methodology for our dialogic inquiry. A duoethnographic approach enables us to be both self-reflexive and socially transformative through our explorations of lived experiences of language loss and gain and of our historical becoming of professional language educators. We highlight how multilingual identities are constructed, challenged, and reconstructed not only by social practices of sign-use, but also by intergenerational spatial mobility and the distributed nature of postmemory. Finally, we provide pedagogical implications for language education that seek to foster critical affective literacies. Turning to affect and emotion is important to move the discussion of multilingual identities beyond physical signifiers of social differentiation (i.e. race, gender, ethnicity, and class). Pedagogical attention to memory, affect and identity may offer us a more nuanced understanding of teachers’ and students’ agency and investment in multilingual semiotic practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,018
Communication savante0,0080,008
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations35
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Learning JournalMême sujetSecond Language Learning and TeachingTravaux en français237 207