Critical Affective Literacies in/for Applied Linguistics
Notice bibliographique
Résumé
In this paper, the authors propose that attention to affect/emotion be given greater prominence in applied linguistics following a theoretical and pedagogical framework delineated as critical affective literacy (CAL) by Anwaruddin (2016). Following the IICOLA conference theme of emotions in multidisciplinary studies, the authors outline the interdisciplinary influences (e.g., philosophy, memory studies, semiotics/multimodality, citizenship education, etc.) that underpin key CAL principles and their understanding of affect/emotion in applied linguistics. In support, the authors discuss the potency of affect and emotionality of texts by way of duoethnography (Norris & Sawyer, 2012, 2017), a research methodology they have utilized in exploring affective/emotional dimensions of language in educational domains (e.g., English for Academic Purposes and Language Teacher Education) and as part of broader socio-political deliberation (i.e., critical citizenship pedagogies). The authors detail specific features of duoethnographic research methodology (e.g., participant transparency and juxtaposition, epistemological and ideological risk-taking) that contribute to CAL principles and aspirations. The authors also identify several implications of their work for the development of CAL in applied linguistics followed by brief descriptions of curricular and pedagogical innovations where affect/emotion have been integral to the pedagogical and literacy strategies described.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,025 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».