Parental and educator attitudes towards multilingualism for children with special educational needs and disabilities in Quebec
Notice bibliographique
Résumé
This study examines the intersections of child language learning and disability. It took place in Quebec, Canada, and investigated attitudes regarding the importance of learning additional languages for children with special educational needs and disabilities (SEND) among children’s parents (n = 5) and teachers (n = 14). The study further looked at factors influencing these attitudes as well as the impact of these attitudes on parents’ language use at home and teachers’ practices in the classroom. Parents and teachers engaged in short online interviews ranging from 20 to 90 minutes. Through a process of transcription and thematic analysis (Braun & Clarke, 2006), participant data was inductively coded, recategorized, and formed into four themes related to participants’ beliefs and behaviors regarding language education for children with SEND. Upon further analysis of these themes, one overarching theme was found. As a whole, it was found that parents and teachers held positive attitudes towards multilingualism for children with SEND and displayed the hallmarks of these attitudes through flexible language use and multilingual approaches with these children. However, neither parents nor teachers prioritized language learning opportunities, which always came second to accessing special education services in school. Often, the more specialized the services were that the children accessed, the less time was allocated to additional language teaching. Furthermore, language education was largely relegated to being the responsibility of parents, rather than an institutional and educational right for Quebec children with SEND. This study’s findings clearly indicate that, without core institutional support to integrate language education and special education services, teachers and parents will prioritize special education services over language education. Key words: multilingualism, special educational needs and disabilities (SEND), special education, language attitudes
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».