“But your face, it looks like you’re English:” LangCrit and the experiences of multilingual Japanese-Canadian children in Montréal
Bibliographic record
Abstract
Cette étude vise à expliquer la compréhension et la représentation du plurilinguisme et dela pluriethnicité chez des jeunes enfants plurilingues de différentes ethnicités dans lecontexte de Montréal (Québec). Alors que la langue française représente le visagelinguistique de Montréal dans la sphère publique, comme le dicte la loi 101,l’immigration non-européenne (c’est-à-dire, non-blanche) étant en croissance depuis lesannées 1980, le visage de la nouvelle francophonie est de moins en moins blanc.Toutefois, au Québec, la Charte de la langue française (communément appelée la loi 101)divise nettement la population en trois catégories : les francophones, les anglophones, etles allophones (ceux qui ne parlent ni le français, ni l’anglais). Ces catégories masquentconsidérablement la diversité linguistique de Montréal, une ville accueillant presque95 % des immigrants du Québec. Elles renient également les aspects visibles (ouracialisés) de l’identité. Cela dit, il semble que l’identité des jeunes multilingues estdéfinie par le croisement entre le sujet-entendu et le sujet-vu (Sarkar, Low, & Winer,2007). Ainsi, l’étude du plurilinguisme et des identités plurilingues à Montréal doiventêtre vues par une perspective théorique qui considère les aspects identitaires auditifs etvisuels. En étudiant le plurilinguisme sous un angle social et en m’inspirant de la théoriecritique de la race (Critical Race Theory) et des politiques linguistiques, j’ai élaboré uneapproche critique que j’ai nommée LangCrit (théorie critique sur la langue et la race).J’ai effectué une étude de cas qualitative et exploratoire avec quatre enfants (4 à 6ans) canado-japonais et plurilingues. L’étude a été faite dans leur milieu familial. Maméthodologie est principalement guidée par mon désir de faire de la recherche avec lesenfants, au lieu de sur les enfants. Deux types de résultats proviennent des données quej’ai recueillies lorsque j’ai visité les enfants chez eux : une émane de la méthodologie,l’autre de la compréhension théorique du plurilinguisme. À la lumière de la première,j’ai trouvé quatre critères directionnels pour faire de la recherche avec les enfants : 1)établir des relations de confiance, 2) s’amuser, 3) utiliser des méthodes créatives, et 4)créer des espaces pour discuter un-à-un avec les enfants. Ces normes ont contextualisémes conversations sur la compréhension des pratiques langagières des enfants. Ainsi,trois thèmes principaux ont fait surface : 1) des identités plurilingues et pluriethniquesprononcées, 2) des perceptions fixes et fluides de la langue et du langage, et 3) descroisements entre l’identité auditive et visuelle. Bref, les enfants ont démontré une bonnecompréhension des contextes dans lesquels les langues doivent être utilisées et avec qui.Ces idées semblent être construites par leurs impressions de la langue parlée (sujet-entendu)et de l’image projetée (sujet-vu). Les enfants utilisent ces connaissances de laflexibilité de la langue lorsqu’ils suivent ou qu’ils résistent à des attentes sociales dansl’utilisation de la langue. La thèse se termine sur une discussion des implicationsméthodologiques, théoriques, et pédagogiques de l’étude.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.010 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| 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".