MétaCan
Menu
← Retour à la cohorte
Enregistrement W7115033200

“Not my mother tongue” Plurilingualism in Canadian French as a Second Language (FSL) Teacher Identities

2025· dissertation· en· W7115033200 sur OpenAlexaffabout

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2025
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSecond languageDiscourse analysisIdentity (music)MultilingualismEnglish as a second languageFirst language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La réalité actuelle de la formation des enseignants en français langue seconde (FLS) au Canada est alarmante. Selon une étude de 2021 (rapport ACPI, 2021), le Canada manque de près de 10 000 enseignants qualifiés en FLS. Les enseignants actuels de la FLS se sentent sous-estimés, sans soutien et incapables d’enseigner dans un Canada de plus en plus multilingue (ACPI, 2021). En dépit de la demande croissante pour des programmes accessibles de FLS pour les étudiants et les enseignants, il y a un manque de programmes linguistiques et souvent les enseignants de FLS se sentent sous-préparés à enseigner dans leurs diverses salles de classe. La façon dont les enseignants modélisent leur propre identité linguistique est essentielle pour créer des expériences d’apprentissage positives et équitables pour leurs élèves (Fielding, 2016). Pour aller au-delà de l’approche bilingue monoglossique du français et de l’anglais dans les salles de classe, il est important que les enseignants se considèrent comme des utilisateurs multilingues (Wernicke, 2022) qui peuvent habiliter leurs élèves plutôt que de se concentrer sur les déficits. Cette étude s’est penchée sur deux questions de recherche : 1) Dans quelle mesure les pédagogies plurilingues affectent-elles la sécurité et l’insécurité linguistiques des enseignants de FLS dont la langue maternelle n’est pas le français ? et 2) Quelles sont les perceptions des enseignants de FSL quant à la façon dont leurs sécurités et leurs insécurités linguistiques affectent le développement du français chez les élèves plurilingues? La collecte de données comprenait un questionnaire démographique et des entrevues semi-structurées avec neuf participants qui sont des enseignants en FLS à travers le Canada qui ne parlent pas le français comme première langue. Les données ont été analysées à travers une analyse critique du discours et trois principaux résultats ont été trouvés : 1) la langue personnelle (in)sécuritiés 2) les forces et faiblesses d’enseignement perçues et 3) les pratiques plurilingues et la préparation dans la salle de classe FSL. Les résultats montrent à quel point de nombreux enseignants de FLS se sentent sous-préparés lorsqu’ils entrent dans la salle de classe du FLS en raison d’un manque d’instruction ou d’un manque de cours qui préparent l’enseignement du FLS. Cette thèse offre un aperçu des domaines de la sécurité et de l’insécurité linguistiques pour les enseignants de FLS qui n’ont pas le français comme première langue. Cette étude offre des perspectives dans le domaine de la sécurité linguistique et, plus particulièrement pour les enseignants de FLS dont la langue maternelle n’est pas le français. Il présente également des recommandations pour l’inclusion de pédagogies plurilingues et la formation future des enseignants en FLS dans divers milieux scolaires partout au Canada, ainsi que des contributions novatrices à la théorie et à la recherche sur le plurilinguisme et l’éducation en FLS

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,008
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,365
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetMultilingual Education and Policy→Travaux en français237 207→