MétaCan
Menu
Retour à la cohorte
Enregistrement W1937592092 · doi:10.21432/t2z59t

Technology-enhanced language learning (TeLL): An update and a principled framework for English for Academic Purposes (EAP) courses / L'apprentissage des langues assisté par la technologie (TeLL): mise à jour et énoncé de principes pour les cours

2014· article· en· W1937592092 sur OpenAlexvenueno aff
Juliana Chau, Alfred Lee

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperationalizationEnglish for academic purposesGrammarSociologyPedagogyLibrary scienceLinguisticsComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

The range and number of technologies currently available have yielded both opportunities and challenges for language educators. This study aims to review recent technology-enhanced language learning (TeLL) research, and to examine their potential relevance to EAP pedagogy, curricula, assessment and instruction. The results of this study show TeLL research with rising interest in vocabulary, grammar and writing, but less so in speaking, listening, and reading. The results also reveal a shift from a tool-centric view of technology use to one that emphasises the technology-pedagogy-human alliance in the last decade, noting three emerging trends in recent TeLL studies, namely, those that are multi-purpose, multi-genre, and multi-role/skill in design and evaluation. The lack of a holistic approach to TeLL for EAP courses to date, however, has made it necessary and desirable to develop a framework for EAP-specific TeLL, to identify a principle for a generic TeLL programme, and to propound ways of operationalizing such a framework. L'apprentissage des langues assisté par la technologie (TeLL): mise à jour et énoncé de principes pour les cours d’anglais à des fins universitaires La variété et la profusion de technologies actuellement disponibles ont engendré des possibilités nouvelles et des défis pour les enseignants en langue. Cette étude passe en revue la recherche récente consacrée à l'apprentissage des langues assisté par la technologie (TeLL) et examine sa pertinence éventuelle pour la pédagogie, les programmes, l'évaluation et l'enseignement de l’anglais à des fins universitaires. Les résultats de cette étude révèlent un intérêt croissant de la recherche sur l'apprentissage des langues assisté par la technologie pour le vocabulaire, la grammaire et l'écriture, mais un intérêt moindre pour la langue parlée, la langue écoutée et pour la lecture. Les résultats révèlent aussi que, dans la dernière décennie, on est passé d’une utilisation des technologies centrée sur les outils à une utilisation privilégiant l’alliance technologie-pédagogie-humain. Trois tendances émergent dans les études récentes, à savoir celles qui sont multiusages, multigenres, et multirôles/habilités dans la conception et l'évaluation. L'absence actuelle d'une approche holistique de l'apprentissage des langues assisté par la technologie pour les cours d’anglais à des fins universitaires a cependant rendu nécessaires et souhaitables l’élaboration d’un cadre TeLL propre à l’anglais à des fins universitaires, l’identification du fondement pour un programme générique TeLL, ainsi que la proposition des moyens pour opérationnaliser un tel cadre.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,006
Études des sciences et des technologies0,0030,031
Communication savante0,0120,011
Science ouverte0,0040,011
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,282
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetSecond Language Learning and TeachingTravaux en français237 207