Bridging or Dividing? Chinese Language Integration and the Resilience of ELT in Saudi Higher Education under Vision 2030: Policy Symbolism vs. Pedagogical Realities
Notice bibliographique
Résumé
Saudi Arabia has pledged to attract international investments as part of its Vision 2030 policy, one that seeks to diversify the education and economic environment of the country, especially by enhancing alliances with China. In support of this objective, some higher education institutions have established or initiated the teaching of the Chinese language within English-dominant educational environments, in addition to the currently taught English Language courses. This paper examines the implementation of Chinese in ELT practices in Saudi Arabia, focusing on the deployment of institutional methodologies, stakeholder viewpoints, and the ideological consequences of the policy-based multilingual curriculum revolution. The study employs a multiple-case design that is based on language policy and planning (Ricento, 2006) and translingual pedagogies (Garcia & Wei, 2014). It relies on semi-structured interviews and responses to these interviews by key stakeholders of the case, as well as analysis of institutional documents and a faculty, administrative, and student survey. Insights indicate an ongoing antagonism between English as a linguistic capital of dominance (Bourdieu, 1991) and the novel valorisation of Chinese as a diplomatic language of the state. The research offers critical perspectives on how Saudi higher education navigates the linguistic pluralism of Vision 2030's framework and suggests implications for multilingual curriculum design, trainer preparation, and language policy implementation.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».