MétaCan
Menu
Retour à la cohorte
Enregistrement W4398771300 · doi:10.1080/14664208.2024.2358278

The politics of distraction in planning English-medium education policy in schools

2024· article· en· W4398771300 sur OpenAlexfundno aff
Pramod K. Sah

Notice bibliographique

RevueCurrent Issues in Language Planning · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesKillam Trusts
Mots-clésDistractionPoliticsLanguage planningMedium of instructionPolitical sciencePublic administrationSociologyPedagogyPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

This article presents the findings of a critical ethnography focused on the English-medium instruction (EMI) policy in Nepal’s public schools. Through the analysis of policy documents and interviews with policymakers, the study reveals that policymakers view the EMI policy as a solution to the crisis in public schools by enhancing their competitiveness with private English-medium schools. However, this approach is identified as a ‘politics of distraction’, as it diverts attention from broader issues such as implicit privatization, funding cuts, and accountability deficits for implementing multilingual education policy. By framing EMI as a public policy doctrine using discursive strategies (e.g. neoliberal rationalization and justification) and suggesting that the crisis can be resolved through school privatization, which in turn promotes commodified languages like English and the national dominant language, Nepali, over local/Indigenous languages, policymakers largely disregard inequalities, structural conditions, and reinforce the existing unequal power relations. By diverting attention from critical issues, policymakers perpetuate historical marginalization, colonial agendas and ideologies, and unequal power asymmetries, failing to address systemic challenges. The research underscores the necessity of scrutinizing the motivations and agendas underlying the promotion of EMI in mainstream schools in multilingual contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0220,056
Communication savante0,0210,010
Science ouverte0,0010,014
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,358
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Issues in Language PlanningMême sujetSecond Language Learning and TeachingTravaux en français237 207