Teachers’ Perceptions and Use of Code-Switching in Core ESL Classes in Quebec Elementary Schools
Bibliographic record
Abstract
Les auteures se penchent sur les pratiques d’alternance des codes de cinq professeurs d’anglais langue seconde enseignant au primaire dans des écoles francophones du Québec. Une analyse émique détaillée des motifs pour lesquels les enseignants alternent les codes met en lumière la façon dont ils utilisent le français comme ressource à différents moments pour s’acquitter des responsabilités institutionnelles qui relèvent de leur rôle d’enseignants. L’étude éclaire en outre la façon dont les enseignants recourent à des stratégies à différents moments comme ressource pédagogique pour maximiser l’usage de l’anglais. Compte tenu du niveau élémentaire de compétence linguistique des élèves, l’étude met en évidence l’affirmation de Carless selon laquelle l’expérience de l’enseignant, ses croyances et ses compétences peuvent jouer un rôle plus important que la compétence linguistique des élèves dans l’utilisation de la langue cible. Toutefois, elle attire également l’attention sur la façon dont les facteurs contextuels restreignent la possibilité pour les enseignants de maximiser l’usage de la langue seconde en concordance avec leurs croyances et les exigences du programme provincial d’anglais langue seconde.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".