Critical pedagogical transition in instructional content development: A vocabulary intervention using social media for Indigenous youth
Notice bibliographique
Résumé
Indigenous students speak diverse languages, and many of them are English language learners (ELLs). Research has consistently shown that it takes at least 5–7 years for ELLs to catch up with their English-speaking peers in academic language skills. Inequitable access to learning resources, along with diverse political, socioeconomic, and historical issues, have led to Indigenous students’ persistent academic underachievement, in particular for Indigenous youth in high school, where considerably increased academic language demands in content areas place them at high risk of academic failure and lead to extremely high dropout rates. Technology may enable us to bypass costly infrastructure requirements to develop innovative language interventions, given Indigenous students’ increasing interest in digital technology use. Considering culturally responsive pedagogy, our project aims to develop a content-based literacy intervention using social media for Grade 9–10 Indigenous students. This includes 30 curriculum units we developed integrating the Indigenous tradition of oral storytelling as a springboard to engage students and support their learning of academic vocabulary. These units based on First Nations youth’s stories are aligned with Ontario curriculum in subject content areas. This paper focuses on content development of our instructional design, where we honor “Indigenous ways of knowing.” With a transformative approach to teaching and learning, the project designed to support Indigenous youth’s academic language development aims to go beyond academic success. The school has been proven to be a significant protective measure against adverse factors that lead to the high suicide rate among Indigenous youth. This intervention project capitalizes on technology to promote literacy engagement and overcome the impact of low socioeconomic status and the intergenerational effects of historical trauma that have negatively affected the well-being and academic progress of many Indigenous youth.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».