Monolingual Policy in a Multilingual World: Social Challenges and Implications
Notice bibliographique
Résumé
This review looks at how one-language policy shapes life in places with many languages.Across schools, health care, courts, migration and online spaces, one-language rules sort people: they raise one prestige variety and push down other ways of speaking.Main problems include gatekeeping with high-stakes tests and documents; stigma, silence and identity conflict in classrooms and services; racialized and class judgments linking accent to trust and value; language shift across generations weakening family and community bonds and pressure on frontline staff who must fill gaps without training or materials.In health and in courts, one-language defaults create risks for safety and fair process; online, algorithms favour high-resource standards and misread minoritized varieties.Fragmented policy and poor language data hide inequities and slow change.Future work supports rights-based, additive multilingualism.The paper reveals the need for translanguaging teaching and fair, multilingual testing; guaranteed interpreting, translation and plain-language communication; professional learning for teachers and public-service workers; data systems separating results by language to track equity; legal protections against language and accent bias; audits of AI and platforms for dialect and language bias; partnerships with communities and minority-language media and cross-ministry planning with stable funding.Making institutions match multilingual reality improves equity, learning, safety and inclusion.
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 | 0,018 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,024 |
| Communication savante | 0,016 | 0,014 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».