MétaCan
Menu
Retour à la cohorte
Enregistrement W4414016097 · doi:10.1111/modl.13015

Decolonial and antiracist teacher education practice: Challenges and alternatives

2025· article· en· W4414016097 sur OpenAlexaff
Ryūko Kubota, Suhanthie Motha

Notice bibliographique

RevueModern Language Journal · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSociologyTeacher educationPedagogyEngineering ethicsPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Decolonial and antiracist perspectives offer critical and humanizing approaches to supporting justice‐affirming language teacher education. In this commentary, we provide a conceptual grounding for decolonial and antiracist pedagogies as constitutive of justice‐affirming language education. These pedagogical approaches encourage students, teachers, and teacher educators to question normalized assumptions that reinforce inequality among groups of people from diverse backgrounds, perpetuate colonial oppression of Indigenous peoples, and undermine our relationality and respect for land and environment. While decolonial and antiracist approaches envision the construction of more just societies and human relations, some caveats need to be addressed and overcome. These include the tendency to conflate decoloniality with social justice, which leads to neglecting the ongoing colonial oppression experienced by Indigenous people; scholars’ complicity with the neoliberal pressure and competition that exacerbate the theory–practice gap; the misconception that North American justice discourse is universal; and injudicious participation in cancel culture as an exclusive approach to promoting a social justice agenda. We advocate for more open, contextual, and restorative practice by centering the intertwined synergy of teacher identity and critical reflexivity in teacher education and, simultaneously, demanding that our institutions take equal responsibility for transformation.

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)0,037
score de la tête « metaresearch » (Gemma)0,040
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,073
Communication savante0,0120,014
Science ouverte0,0040,014
Intégrité de la recherche0,0100,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,403
Écart entre enseignants0,385 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Language JournalMême sujetGlobal Education and MulticulturalismTravaux en français237 207