La sociolinguistique pour le changement en immersion française : un examen transdisciplinaire d’idéologies linguistiques dans les prairies canadiennes
Bibliographic record
Abstract
Cet article examine les discours d’enseignant·e·s et d’étudiant·e·s en immersion française sur les idéologies linguistiques qui les empêchent d’être inclus dans les communautés francophones. Nous débutons par une recension des écrits sur certaines idéologies pour mieux connaître le travail qui se fait déjà dans le domaine. À partir de la sociolinguistique pour le changement qui prend une approche critique et réflexive sur notre rôle en tant que chercheurs ainsi que l’examen des relations de pouvoir chez les parlants de français langue seconde, nous examinons des extraits de nos recherches qui traitent des discours sur les idéologies présentes. Notre équipe transdisciplinaire examine donc les variétés linguistiques ; la sécurité linguistique des élèves ; la pertinence de l’immersion pour les élèves plurilingues et les rôles des répertoires linguistiques des élèves dans l’apprentissage du français en immersion. Nous constatons que les discours continuent à exclure les apprenants de français, mais que ces discours commencent à changer, surtout chez les jeunes élèves plurilingues. Si on s’éloigne un peu de l’idée que la francophonie doit être d’une certaine façon, on conclut que des changements sont possibles.
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 | 0.010 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.022 | 0.020 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".