Destandardizing English: Seeking Linguistic Justice in the English Language Arts Classroom
Notice bibliographique
Résumé
Black students and families in the United States have been consistently underserved by educational institutions and their curriculum.Scholars are increasingly aware of the opportunity gaps that arise as a result of Eurocentric standardized pedagogy and curriculum, and educators have turned to scholarship such as critical race theory to combat racial inequity; however, current legislation threatens such antiracist tools.As the National Council of Teachers of English reports in "Educators' Right and Responsibilities to Engage in Antiracist Teaching", over half of the country is burdened with "legislation either passed, pending, or under discussion [that] would severely limit K-12 and university educators' ability to engage with critical race theory and antiracist teaching" (2021).What do these restrictions mean to the educator who wishes to validate, discuss, and foster the experiences of Black students?How can we, as engaged teachers, practice and foster cultural literacy skills that encourage students to find appreciation for a diverse world?How does one ensure Black students see themselves in what is being taught?My research investigates all of these questions through the lenses of English Education and linguistic justice concluding that antiracist teaching in the ELA classroom remains possible and crucial, even at a time where legislation challenges it.I explore the origins of and literature that uses Ebonics as a way to help educators make learning more representative and equitable.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,032 | 0,018 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».