The DARE pedagogical model: innovating language teaching in the Global South through plurilingual, decolonial, and digital pedagogy
Notice bibliographique
Résumé
Despite the need for inclusive multi/plurilingual and decolonial approaches in language education, an integrated pedagogical approach remains underexplored. Moreover, investigating the implementation of such pedagogy in digital environments is needed. Following a concurrent transformative mixed methods design, this collaborative intervention study explored an integrative approach in language teaching: plurilingual, decolonial, and digital (PluriDigit). The study was conducted with nine teachers in Brazil, who co-designed tasks in English, French, Spanish and Arabic and taught them online. The research questions were twofold: (1) To what extent do teachers’ identities inform the implementation of PluriDigit?, and (2) What are teachers’ understandings of affordances of the PluriDigit approach? Data was collected through demographic questionnaires, the Plurilingual and Pluricultural Competence scale, the Plurilingual and Pluricultural Identity questionnaire, and semi-structured interviews. Findings from descriptive statistical and inductive content analyses reveal that while teachers claimed plurilingual identities, integrating plurilingual and decolonial pedagogies, especially in a digital environment, was a challenge. Despite this challenge, teachers’ participation in the study resulted in DARE – Decolonial, Agentive, Relational and Empowering –, a pedagogical model that fosters the implementation of an integrated plurilingual and decolonial approach, which is particularly relevant in Global South contexts.
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 | 0,008 | 0,006 |
| 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 | 0,004 | 0,015 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».