What We Talk about What We Talk about Gender-Inclusive Language: Teaching and Learning the Singular “They” in the First-Year Writing Classroom
Notice bibliographique
Résumé
Over the past decade, interest in the singular “they” has burgeoned in scholarly venues and mainstream media, but writing studies scholars are surprisingly absent in these conversations. To contribute a writing studies perspective, I studied the impact, value, and challenges of teaching this gender-inclusive pronoun in three sections of my institution’s required first-year writing course. I found that, prior to instruction on gender-inclusive language, students used the singular “they” liberally and were not aware of how gender-inclusive they were in their writing and speaking. After learning multiple gender-inclusive writing strategies, students indicated increased awareness of their own use of gender-inclusive language, interest in using it, confidence in their ability to use it, and appreciation of its relevance to their own lives. They preferred the singular “they” over other gender-inclusive writing strategies. My study concludes that, in addition to students’ work, their self-assessments are a vital, complementary source of information for assessing the value, impact, and challenges of teaching gender-inclusive language, as the nexus of perceived use, interest, ability, and relevance drives whether students will transfer their learning to other contexts. These findings may also be relevant to teaching other forms of inclusive, bias-free language in writing courses.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,032 |
| Communication savante | 0,020 | 0,013 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».