Emotion labor, investment, and volunteer teachers in heritage language education
Notice bibliographique
Résumé
Abstract Studies informed by poststructuralist theories of language have examined the relationship between language teachers’ emotion labor, identity, and agency. However, research has not yet explored the relationship between emotion labor and volunteer teaching, which is an important practice in language education. Our research seeks to address this gap, drawing on a 2‐year qualitative case study at the community‐based Vancouver Bangla School (VBS). With emotion labor and investment as the conceptual underpinnings, our study investigated how the VBS heritage language (HL) program structured the emotion labor of seven volunteer teachers, what the feeling rules associated with the VBS program were, and the extent to which volunteer teachers’ investment in HL education helped them manage their emotion labor. Data sources included participant classroom observations, field notes, focus group and interview transcripts, questionnaires, and educational resources, which were analyzed using reflexive thematic analysis. Findings indicate that the emotion labor of volunteer teachers was structured by the following characteristics of the VBS program: lack of funding, poor organizational structure and teacher recognition, challenges of online teaching, insufficient number of teachers, limited parental support, and lack of training. This emotion labor was associated with four feeling rules implicit in the VBS program: (a) be generous and caring, (b) be committed and dedicated, (c) be a good and efficient teacher, and (d) have limited expectations of the community. Findings suggest that teachers’ investment in Bangla as a mother tongue in multicultural Canada, and their investment in promoting the children's transcultural identities, was particularly powerful, and enabled the volunteer teachers to navigate and manage their emotion labor. The study suggests that an enhanced understanding of a language teacher's investment in a program, institution, or community might provide insight into the important relationship among desire, agency, and emotion labor.
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 | 0,003 | 0,005 |
| 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 | 0,006 | 0,006 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».