The DARE pedagogical model: innovating language teaching in the Global South through plurilingual, decolonial, and digital pedagogy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle