Translanguaging for more-than-English sustainability transitions
Notice bibliographique
Résumé
Critical sustainability research pays insufficient attention to the need for language justice in action toward sustainable cities. Addressing this gap can increase inclusive action competence in sustainability. Including diverse languages, along with the work that goes into communicating effectively across languages, can counter the disproportionate dominance of English in sustainability. This is an underexamined aspect of the sustainability knowledge-action gap. Language diversity is large and growing in cities and professions pursuing sustainable development. While English is the lingua franca of sustainability science, learners and actors engage in translanguaging or moving across languages to inform their understanding and communication in culturally and personally relevant ways. Recognising the effort that goes into translanguaging and highlighting language-specific entry points to sustainability transition can deepen the meaningfulness of local sustainability efforts. We designed a workshop to engage the translanguaging competencies of interdisciplinary sustainability learners. Results demonstrate that students were able to build shared understanding through different languages and relate the concepts across languages. This was inclusive of cultural values and personally rewarding for participants. The workshop additionally exposed students to sustainability terms in a language foreign to all of them, Finnish. Students were able to relate meanings to a spectrum of sustainability-related actions that were more readily accessible to them than conventional English language action agendas for sustainability. This workshop demonstrates a replicable methodology to increase attention to diverse languages for activating sustainability agendas. The process of translanguaging, moving across languages to communicate and convey meaning, holds unrecognised value for inclusive sustainability action competence.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,007 |
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 ».