MétaCan
Menu
Retour à la cohorte
Enregistrement W4411398530 · doi:10.1515/ijsl-2024-0117

English in Uzbekistan: language ideologies and teaching practices

2025· article· en· W4411398530 sur OpenAlexaff
Dilia Hasanova, Nargiza Vokhidova

Notice bibliographique

RevueInternational Journal of the Sociology of Language · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIdeologyContext (archaeology)SociologyPedagogyMultilingualismPolitical scienceEnglish languagePoliticsMathematics educationPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This study examines the evolving role of English in Uzbekistan’s educational institutions within the context of recent educational reforms initiated by President Mirziyoyev to modernize the education system and create a “competitive state” where multilingualism, including English proficiency, is prioritized. The research explores the instrumental functions of English in the aftermath of these reforms and employs theories of language ideologies (LI) to analyze Uzbek EFL teachers’ perceptions of English. Additionally, it investigates how these ideologies influence teaching methodologies and classroom practices. To address the research questions, the study draws on multiple primary data sources, including interviews and observational notes. The findings highlight that the presidential reforms, alongside initiatives by the US Embassy and the British Council, are key drivers promoting the spread of English within Uzbekistan’s educational landscape. Data analysis reveals that these reforms have significantly influenced and reshaped EFL teachers’ language ideologies. Teachers reported adopting pedagogical methods and strategies aimed at preparing students to thrive in a globalized world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,005
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,319
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of the Sociology of LanguageMême sujetSecond Language Learning and TeachingTravaux en français237 207