“Do I Have to Sign My Real Name?” Ethical and Methodological Challenges in Multilingual Research with Adult SLIFE Learning French as a Second Language
Notice bibliographique
Résumé
In 2017, Quebec’s Auditor General reported several major issues regarding government-funded French as a second language (FSL) courses, especially those intended for adult students with limited or interrupted formal education (SLIFE). To this day, no official framework or program exists for this specific population, a situation that the government of Quebec wishes to resolve. Our research team was thereby mandated by the Ministry of Immigration to conduct a large-scale multilingual study with the objective of gaining a better understanding of the realities and needs of the various stakeholders involved in low-literate FSL classes. We met 42 teachers, 24 French learning center directors, and 10 pedagogical advisors in individual interviews; we also led 107 group interviews with SLIFE in 26 languages, allowing us to meet 464 adult SLIFE enrolled in low-literate FSL classes from 11 regions of the province of Quebec, most of them being refugees. This article reports on the decision-making process in which we engaged to overcome the ethical and methodological challenges we faced at various stages of the data collection with SLIFE participants: recruitment, informed consent, confidentiality, interview protocol design, instrument piloting, data collection, and data translation and transcription. To make informed decisions, we had to turn to literature outside SLA (i.e., refugee research and translation/interpreting literature) for guidance. In this article we discuss the limitations and contributions of our research to guide researchers who will conduct studies with similar non-academic samples/populations.
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 | 0,272 | 0,154 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,029 | 0,025 |
| Communication savante | 0,014 | 0,006 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».