Bibliographic record
Abstract
Cet article explore la notion d’investissement dans l’apprentissage linguistique, développée par Bonny Norton à partir du milieu des années 1990 (Norton Peirce, 1995 ; Norton, 2000 ; 2013), et augmentée plus récemment par Ron Darvin (Darvin & Norton, 2015). L’investissement, complément sociologique de la notion psychologique de motivation, est devenu un point nodal de la linguistique appliquée (Kramsch, 2013), dévoilant les rapports de pouvoir qui promeuvent ou qui limitent l’apprentissage et l’enseignement des langues. L’article s’intéresse particulièrement au modèle élargi d’investissement de Darvin et Norton, impulsé par les changements technologiques survenus dans le paysage communicatif. Afin d’analyser les paradoxes de la mondialisation et les mécanismes invisibles du pouvoir à l’œuvre dans l’économie du savoir, le modèle situe l’investissement au croisement de l’identité, du capital et de l’idéologie. Il élabore de manière utile l’idée selon laquelle le droit à la parole doit être appréhendé comme une notion construite, matériellement et idéologiquement. À partir de situations d’apprentissage canadiennes et ougandaises, l’article montre comment l’investissement découle du positionnement des apprenants, de leur négociation des potentialités d’apprentissage, et de formes systémiques de contrôle qui compromettent leur agentivité. En conclusion il est estimé qu’une pédagogie critique mettant en valeur un avenir cosmopolite pourrait inciter l’apprenant à s’investir davantage dans les pédagogies de langue et de littératie du 21 e siècle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".