“Just make them feel welcomed”: examining newcomer ESL students’ intersectional racism in Canadian schools
Notice bibliographique
Résumé
This study examines the role of multilingual and multimodal literacy engagement in supporting the integration of newcomer students, emphasizing digital technologies and diverse multimodal texts. Utilizing a workshop methodology, the interactive and participatory research process empowered participants to use their home language, culture, and religion to influence their English language learning and social integration while contributing their perspectives to help shape the study’s discussions and outcomes. These newcomer and racially diverse students effectively (re)negotiated their linguistic, cultural, racial, and religious identities as it explored participants’ experiences and delved into conversations around how racialization is constructed and understood among stakeholders, focusing on students’ lived experiences of marginalization, identity construction, negotiation, and resistance, and suggesting potential avenues for change. The study identified challenges such as linguistic and cultural barriers to social integration and discrimination based on stereotypes and misconceptions regarding racial and religious identities and affiliation. It also unraveled the complexities posed by cultural disparities, particularly those involving religious practices, dress, and belief systems. These insights underscore the need for more inclusive school environments that acknowledge diversity, promote racial and religious tolerance, and address the intersectional challenges faced by racialized newcomer students. Respecting boundaries, fostering cultural understanding, and creating an environment that embraces differences are crucial steps toward mitigating intersectional racism experienced by newcomer ESL students.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».