Notice bibliographique
Résumé
As the world moves to a post-COVID stage and movement of goods and people across borders resumes, we need to rethink how we communicate and educate students about communication in a superdiverse world with increased presence of minoritized languages and varieties. The growing evidence of translanguaging practices among plurilingual speakers in multilingual societies and linguistic minority communities across the globe (e.g., Cenoz & Gorter, 2017; Oliver et al., 2020; Seals & Olsen-Reeder, 2020; Straszer et al., 2022) has prompted greater attention to equity and linguistic social justice issues in language education. Pedagogical translanguaging has been put forward as an “all encompassing” (Li, 2018, p. 9) practice to address linguistic inequities and injustices in the classroom. While it is a step forward in countering monolingual ideology and the dominant-language-exclusive policy and sanction, I draw attention to the “selective” nature of much of the current pedagogical translanguaging approach and argue for “inclusive translanguaging” that capitalizes on all of the languages, cultures, and identities of plurilingual speakers who have historically received marginalization, including their non-dominant dialects or mother tongues.
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 | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,012 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,002 | 0,033 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».