Language Ideologies in Francisation Program: Focusing on the Narratives of Racialized Migrants in Quebec
Bibliographic record
Abstract
Cette étude a examiné les idéologies linguistiques résidant au Québec, en mettant l’accent sur l’expérience des migrants racialisés dans le contexte des programmes de francisation. Chaque année, la province de Québec accueille un nombre constamment croissant d’immigrants de diverses origines raciales, culturelles et linguistiques (Statistique Canada, 2016). Pour favoriser leur intégration réussie à la société québécoise, le gouvernement provincial offre des programmes de francisation: les cours de français langue seconde dirigés par le gouvernement pour les migrants adultes au Québec. Pour évaluer l’efficacité de ces programmes, il est important d’examiner comment ces cours soutiennent l’intégration sociale et professionnelle des migrants et développent leur sentiment d’appartenance (Mahar et al., 2013). Mais surtout, cet environnement éducatif contribue non seulement à améliorer la maîtrise du français par les migrants, mais il influe également sur la façon dont les migrants comprennent les questions de langue dans la société québécoise, et ce processus de construction du sens pourrait avoir une incidence sur leur développement du sentiment d’appartenance (Painter, 2013). En utilisant le cadre conceptuel des idéologies langagières (Woolard et Scheffelin, 1994; Kroskrity, 1998), cette étude vise à révéler comment les idéologies langagières qui circulent au Québec se manifestent dans les classes de francisation, et quelles perspectives les migrants ont sur ces idéologies. De plus, elle examine l’influence de ces idéologies sur le sentiment d’appartenance des migrants racialisés, avec l’enchevêtrement de la race et le concept d’appartenance à la société québécoise. J’utilise une méthodologie de recherche narrative (Connelly et Clandinin, 1990) pour examiner les histoires de vie et les expériences de francisation de neuf migrants racialisés, en recueillant des données au moyen d’une formulaire d’enquête démographique, d’entrevues semi-structurées et d’échanges de courriels. Les données ont été analysées sous la direction d’une analyse qualitative du contenu (Drisko et Maschi, 2016) et d’une approche narrativiste critique (Hickson, 2016). Les résultats ont montré que trois courants d’idéologies linguistiques – les idéologies du langage nationaliste, les idéologies du langage standard, les idéologies monolingues – se manifestaient dans le contexte de la francisation avec des degrés variables de sensibilisation des participants à ces idéologies. Les participants ont présenté des points de vue à la fois partiellement positifs et partiellement négatifs sur ces idéologies.Enfin, l’expérience de francisation a aidé les participants à naviguer dans leur vie de tous les jours en français, mais elle n’a pas permis de développer substantiellement leur sentiment d’appartenance, surtout en termes de leur pleine intégration dans la sphère professionnelle au Québec. Cette étude a contribué à ajouter un effort pour éclairer le fonctionnement des idéologies linguistiques dans le contexte de l’éducation aux langues pour adultes. Elle a également suggéré des moyens pratiques d’améliorer la capacité du programme à utiliser les ressources linguistiques existantes des migrants ainsi que la possibilité de favoriser un espace inclusif et transformateur dans l’environnement de francisation
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.020 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".