MétaCan
Menu
Retour à la cohorte
Enregistrement W4392342931 · doi:10.18806/tesl.v40i1/1384

Multisemiotics, Race, and Academic Literacies

2024· article· en· W4392342931 sur OpenAlexaffvenueabout
Pedro dos Santos, Bong-gi Sohn

Notice bibliographique

RevueTESL Canada Journal · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of WinnipegSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésRace (biology)SociologyLinguisticsPsychologyPedagogyGender studiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study examines the trajectories of two multilingual, racialized academic writing faculty, presenting how we brought our Southern onto-epistemologies (e.g., Santos, 2016) to curriculum, teaching, and assessment. Although plurilingualism has become a significant dimension of Canadian higher education (Marshall, 2020), monolingual norms that emphasize native-like competence continue to be a mainstream discourse in many academic writing courses. Building on the recent raciolinguistic critique (Rosa & Flores, 2017) of the lack of discussion of racism in academic literacies discourse, we acknowledge that academic literacies continues to force plurilingual, international students into a white subject position. Acknowledging the tension between the monolingual ideal and multilingual realities, we explore how two plurilingual, non-white faculty challenge an academic writing tradition that is constructed by the white listening subject. By co-creating duoethnographic narratives that provide insight into our complex biographical journeys as cycles of becoming (Thibault, 2020), our story shows how teaching academic writing is not simply teaching a skillset but involves constant negotiation between students’ and teachers’ lived experiences. Through this process, we conceive of teaching academic literacies as both an ideological construct and a multisemiotic process that involves multiple histories and meaning-making resources across diverse time and place scales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,393
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207