From the periphery to the centre: Securing the place at the heart of the TESOL field for First Nations learners of English as an Additional Language/Dialect
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Indigenous learners of English as an Additional Language or Dialect (EAL/D) have historically not been the central focus of TESOL expertise here in Australia, or overseas. Despite moves towards inclusion increasing over the last two decades, there is an ongoing tendency for Indigenous EAL/D learners to remain on the periphery of current TESOL advocacy, research and practices in Australia. They are still often overlooked, as identification processes and support settings for migrant and refugee services are mismatched to Indigenous EAL/D learning contexts. Indigenous EAL/D learners, especially with un-/under-recognised contact languages (creoles and related varieties), can remain invisible in classrooms with mainstream curriculum and assessment practices (Angelo, 2013; Angelo & Hudson, 2018; Gawne et al., 2016; Macqueen et al., 2019). Hence, we argue that understanding and consideration of Indigenous EAL/D learners’ needs should become a priority in TESOL initiatives. This paper aims to place Indigenous EAL/D learners at the centre by alerting the TESOL field to a recent body of research and development on new Indigenous contact languages and whole class EAL/D teaching and assessment practices. Clarifying substantial issues and providing solutions, the paper makes Indigenous EAL/D its central focus, highlighting areas that otherwise result in “forgettings” about needs particular to Indigenous EAL/D learners.Thus informed, the Australian TESOL profession will surely include First Nations EAL/D learners at the heart of future discourse and initiatives.
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.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle