Emotions as entanglements: unpacking teachers’ emotion management and policy negotiation in English-medium instruction programmes
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
There is a dearth of knowledge on the emotional challenges content-area teachers in English-medium instruction (EMI) programmes face, and how they manage their emotions in their efforts to negotiate a top-down language policy. This paper examines the entangled emotional experiences of EMI content-area teachers in Nepal’s school education. In contrast to a psychological approach to teachers’ emotions, this article draws on sociocultural and ideological perspectives on emotions to unpack a connection between emotions, institutional language policies, language ideologies, identity, and teacher agency. The analysis of EMI teachers’ emotional dynamics essentially identifies their emotions as ‘entanglements’, reflecting the interconnectedness of emotions with other variables such as language ideology, identity, and agency in content-and-language-integrated education. The findings of this study showed that teachers’ limited English proficiency led to negative emotions (e.g. anxiety, fear, frustration, and shame), stimulating them to use English-Nepali bilingualism as a creative strategy to manage their emotional challenges and also to exercise their agency in response to their students’ needs. However, their translanguaging strategy – which otherwise might have included the students’ home language, Bhojpuri – was restricted by hegemonic language ideologies. The findings show that multilingual teachers typically do not experience emotions in a vacuum but in response to other social phenomena. The paper supports the argument that teacher emotion management is not an apolitical process but is rather ideologically and discursively constructed and situated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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