Help wanted: the employment trajectory of multilingual transnational teachers
Notice bibliographique
Résumé
Even though Canada is known as a multicultural place that embraces immigrants from all over the world, it can be challenging for immigrants to make their way not only in, but into, the work force. For immigrant teachers, who have non-Canadian education and, many times, an accent that may be unfamiliar to locals, it can be even more difficult. This study explored the employment trajectory of multilingual transnational teachers. On the basis of my findings, I provide insights and recommendations that might be useful for other professionals who may be experiencing similar challenges joining the labor market in Canada. The autoethnographic approach used in this study allowed me to share authentic experiences and invite the readers to enter my world as a multicultural transnational educator and see it from my perspective. I reviewed the literature in the areas of Immigrants in the Canadian workplace, native and non-native English-speaking teachers (NESTs/NNESTs), and relevant challenges associated with the language teaching profession. Data analyzed consists of reflections of memories of my own employment trajectory. Ellis and Bochner (2000) state that examining someone’s own experiences can lead to a better understanding of a culture. This study showed that NNESTs are still affected by the belief that NESTs are the best language teachers (Llurda, 2005; Selvi, 2010: Ulate, 2011). During my path to integrate into the Canadian labour market, like many of my contemporaries, I faced challenges such as non-recognition of my foreign education credentials and home country experience, linguistic discrimination, and undervaluing of NNESTs on the part of students and employers. Such challenges create obstacles for NNESTs to find teaching positions and impede their professional success.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».