Supporting Multimodal Literacies in Early Learning Settings: A Case Study of Two Child Care Centres in Alberta
Notice bibliographique
Résumé
In early learning settings, multiple modes of communication are used to help young children convey meaning. These modes, or multimodal literacies, include signs, images, gestures, sounds, speech, movements, and actions. In this doctoral research, I explored how early learning and childcare educators support multimodal literacies in young children. Using a multiple case study, I utilized video walk-throughs of eight different educator playrooms, interviews with early childhood educators, and pedagogical documentation collected from educators to further my understanding of how multimodal literacies are supported in early childhood settings. The findings of this study revealed that educators conceptualize multimodal literacies differently; however, they include agency, embodiments, intentionality, and play as key aspects of children’s multimodal literacies. Conceptualization and understanding of the multiliteracies pedagogy are also examined. The findings also showed that educators of young children use multiple strategies to support multimodal literacies including pedagogical documentation, responsive environments and a co-inquiry model of noticing, naming, and nurturing. Lastly, my findings reveal that educator participation and finding a balance between supporting play and ideas and following children’s lead in play is critical in supporting multimodal literacies.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,007 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».