Social Construction of Academic Expertise in Multilingual School Contexts: Policy Options and Instructional Choices
Bibliographic record
Abstract
Cet article soutient que l'expertise – entendue comme un niveau élevé de compétence dans un domaine particulier – et son contraire, l'incompétence, ne sont pas simplement des caractéristiques statiques appartenant en propre à l'individu, mais sont construites socialement et renvoient à des relations de pouvoir au sein des relations sociales. Dans les classes multilingues, cette construction sociale expertise/incompétence empêche souvent les étudiants nouvellement arrivés de démontrer leurs compétences académiques, potentielles ou réelles, en raison du recours exclusif au langage dominant à des fins pédagogiques. S'appuyant sur les données issues de la recherche-action collaborative menée dans la région de Toronto (Cummins & Early 2011), cet article montre la manière dont les nouveaux arrivants font l'expérience d'une transformation identitaire lorsque l'espace scolaire accueille les idées et les contributions intellectuelles des étudiants sans préjuger des langues. L'article met aussi en évidence les relations de pouvoir sociétales sous-tendant les prétentions problématiques à "l'expertise" invoquées par les professionnels de l'éducation dont la formation professionnelle a généralement exclu toute réflexion sur le développement éducatif des étudiants multilingues et les moyens efficaces de formation de ces étudiants.
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 | 0.007 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.013 | 0.018 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.011 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".