Discovering aspects of the multicultural character of Québec and Canada through language : designing task-based learning situations for the adult education course, Discovery and Challenges-ENG P 104-4
Notice bibliographique
Résumé
This essay follows Paillé’s (2007) methodology to design two learning situations for the course “Discovery and Challenges- ENG P104-4” that I often teach to adult language learners at the EMSB. This is a course in the area of citizenship in the adult education sector where “Using language to discover Québec and Canada and their multicultural character” (BIM, 2013, p. 2) is the purpose of the course. The learning situations follow Douglas Brown's (2015) task-based teaching and learning approach in order to cover the four language competencies where the student: “Reads simple, everyday texts adequately; Understands simple, everyday oral texts adequately; Writes simple, everyday texts adequately; and Interacts adequately in everyday situations using simple oral texts” (BIM, 2013, p. 2). The task-based activities for each competency match with the compulsory elements; I follow the Ministry's conceptual framework to design material for the course. The first learning situation is entitled “Applying for Canadian Citizen” where students accomplish tasks that inform them about the requirements and steps to apply. The second learning situation is entitled “Discrimination against the LGBT community” and introduces topics such as discrimination in the work place and the rights and responsibilities of Canadian citizens. After creating the learning situations and trying them out with my students, I gather and analyze feedback from two colleagues and 12 students. The essay ends with a reflection on the process, provides recommendation for teachers, indicates limitations as well as possible future directions; it presents the concept of senti-pensar by Galeano (2003) and explains how it can be integrated with Difrasismo, a dialectic from the Aztec and Mayan civilizations as a way of framing the emotional-language experience of immigrants who are learning to navigate language structures and cultural concepts.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,008 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».