Strengthening Language Instruction for Newcomers to Canada: Learning from Experiences in Saskatoon
Notice bibliographique
Résumé
The immigrant population in Saskatoon has grown in the past few decades. With the increase in the number of immigrants in Saskatoon, the federally sponsored program Language Instruction to Newcomers to Canada (LINC) has also been in demand. The purpose of this study was to establish ways in which LINC service providers in Saskatoon can support new ESL LINC instructors to excel in their careers. This study examined the experiences of these instructors in terms of what was expected from them at their workplace, the challenges they faced, and the supports they needed. This research was conducted as an intrinsic case study, considering Saskatoon as a complete case. The guiding theory for this research was the theory on organizational entry by Louis (1980). Due to pandemic, the data were collected through online one-on-one interviews and focus group discussions. The four overarching themes that emerged from the coded data were: motivation to join LINC, expectations from LINC instructors, LINC instructors’ experiences with instruction, and supports for new ESL LINC instructors. Findings of this study revealed that the new ESL LINC instructors face challenges, need guidance in understating the LINC system, and require technical and moral supports. To assist the new LINC instructors in their career, the recommendations are to assign one-on-one mentoring, to offer an annual refresher on CLB and PBLA, to boost the technical support in LINC classrooms, to equip the new instructors on the software and applications being used in LINC classrooms, to consider new LINC instructors’ feedback for implementing blended learning (BL) in CLB 1-4 classes, to support the new instructors on handling trauma in the classrooms, and to give clear instructions to the new LINC instructors on online and BL teaching. For future research, it is suggested to conduct similar research on LINC learners and LINC support staff, which includes managers and administrators for their views on the working conditions and their experiences with LINC.
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 | 0,003 |
| 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 | 0,028 | 0,006 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 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 ».