Decolonizing language learning in digital environments through the voices of plurilingual learners in the Global South
Notice bibliographique
Résumé
Abstract Digital pedagogies of empowerment are needed to shift discourses on marginalization, facilitate additional language learning, and sustain multilingualism. Grounded in plurilingualism and decoloniality as theoretical frameworks, this transformative mixed methods study explored the affordances of PluriDigit, a plurilingual, decolonial, and digital approach to language learning. This study was conducted with thirty six language learners enrolled in online language courses in a multilingual program in São Paulo, Brazil. We explored whether learners’ plurilingual and pluricultural identities and competence would change over time and the potential emergent contributions of PluriDigit to learner empowerment. Results from inductive and deductive analyses of three types of data indicate a shift in learners’ mindset from monolingual to plurilingual and pluricultural identity and a significant increase in plurilingual and pluricultural competence scores over time. Moreover, results show that PluriDigit offered a critical lens to plurilingualism, facilitating decolonial learning, agency, and relationality, as well as the development of voice in the target language. We argue that PluriDigit is one possibility of digital decolonial pedagogy that can empower language learners in the Global South and beyond.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,010 |
| 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 ».