Developing an Anti-Biased, Anti-Racist Stance in Second Language Teacher Education Programs
Notice bibliographique
Résumé
Addressing race/racism and colonialism in French as a second language (FSL) education is essential to preparing culturally responsive teachers and meeting the Ministry mandate to teach students equitably and with respect. This article describes whether, and if so, how, candidates are being prepared to disrupt colonial ideologies and practices with data from a three-year project on FSL teacher preparation in two Ontario faculties of education. Interviews were conducted with professors and teacher candidates. Using a critical qualitative approach to identify emerging themes, the study applied an anti-biased, anti-racist (ABAR) lens to identify racialized power inequities that can form across French languages, cultures, and marginalized groups, oppressive common-sense principles, and systemic influences around three main themes: teaching culture and promoting intercultural competence; addressing equity, inclusion, and racism explicitly; and Whiteness, Eurocentrism, and representation in FSL. Findings indicate that while programs have begun to integrate equity, inclusion, interculturality, and the representation of the global francophonie, there is a pressing need for more preparation and training for professors and teacher candidates to develop critical equity skills that lead to their becoming culturally responsive teachers. Practical strategies and theory building through collaborative research are needed to support educators in taking up an ABAR stance in FSL teacher education programs.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».