MétaCan
Menu
← Back to cohort
Record W7161988427 · doi:10.82308/50814

“I’m Decolonizing It:” Trained Teachers’ Perceptions of Plurilingual Pedagogies in Language Classrooms

2024· dissertation· en· W7161988427 on OpenAlexaboutno aff
Li Peng

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldSocial Sciences
TopicMultilingual Education and Policy
Canadian institutionsnot available
Fundersnot available
KeywordsResearch methodologyPopulationLiteracyContext (archaeology)Perception

Abstract

fetched live from OpenAlex

Avec l'augmentation de la population bilingue et multilingue au Canada, les chercheurs et les éducateurs ont, ces dernières années, accordé beaucoup d'attention aux approches plurilingues qui encouragent les apprenants à utiliser l'ensemble de leurs répertoires linguistiques et culturels (May, 2014 ; Lau & Van Viegen, 2020). Cependant, la mise en œuvre de ces approches est considérablement influencée par la compréhension et les perceptions que les enseignants en ont. Des études antérieures ont démontré que les enseignants avaient des attitudes positives à l'égard du plurilinguisme, mais qu'ils étaient encore réticents à l'appliquer dans la pratique (Galante et al., 2020 ; Maatouk & Payant, 2022), ce qui peut s'expliquer par le fait que les enseignants sont, peu ou pas du tout, formés aux pédagogies du plurilinguisme. Cette étude, basée sur des méthodes mixtes, a examiné les perceptions des professeurs de langues qui avaient des connaissances préalables ou une formation sur les perspectives plurilingues en enseignement (N = 30), principalement dans le contexte canadien. Trois questions de recherche ont orienté cette étude: 1) Comment les enseignants formés perçoivent-ils les affordances et les défis liés à la mise en œuvre de pédagogies plurilingues dans les classes de langues? 2) Dans quelle mesure les enseignants formés considèrent-ils que leurs propres niveaux de compétence plurilingue et pluriculturelle (CPP) soutiennent ou entravent la mise en œuvre de pédagogies plurilingues? 3) De quelles ressources les enseignants formés ont-ils besoin pour soutenir la mise en œuvre d’approches plurilingues? Des données ont été recueillies à partir de questionnaires démographiques, de l'échelle de la compétence plurilingue et pluriculturelle (CPP) (Galante, 2020) et à partir d'entretiens semi-structurés. L'analyse des données comprenait une analyse thématique inductive sur NVivo et une analyse déductive des données CPP au moyen de tests non paramétriques de Mann-Whitney sur SPSS. Les résultats obtenus suggèrent que les enseignants ont unanimement mis en œuvre des approches plurilingues, même si quelques enseignants, dont les niveaux de CPP étaient plus faibles, ont exprimé une certaine réticence à ce sujet. Les principales affordances constatées sont liés à l’empowerment des enseignants et des apprenants: les approches plurilingues légitiment les pratiques linguistiques des enseignants, en particuliers de ceux qui ne sont pas natifs et racialisés; les enseignants ont également déclaré que, pour les apprenants, la notion de répertoire est autonomisante et décoloniale, car elle leur permet d'améliorer leur apprentissage de la langues ainsi que de valider leurs répertoires et leurs épistémologies. En outre, les enseignants ont insisté sur la responsabilité des chercheurs en matière de diffusion des connaissances et sur la nécessité d'offrir une formation sur les approches plurilingues. Cette recherche est importante car elle met en évidence le potentiel du plurilinguisme dans le domaine de la formation linguistique et fournit des solutions clés permettant de mieux accompagner les enseignants dans la mise en œuvre d'approches pédagogiques plurilingues.Mots clés: approches plurilingues, plurilinguisme, formation des enseignants, enseignement des langues (secondaire

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 imitation

Not 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.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.014
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.014
Threshold uncertainty score0.044

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0080.014
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0030.004
Scholarly communication0.0040.003
Open science0.0010.004
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.067
GPT teacher head0.517
Teacher spread0.451 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same topicMultilingual Education and Policy→French-language works237,207→