Challenges and Strategies for Teachers and Learners of English as a Second Language: The Case of an Urban Primary School in Kenya
Notice bibliographique
Résumé
With over 40 spoken tongues in Kenya, English serves as a language of instruction in schools and is taught from the onset of schooling, making the language a significant factor in academic achievement and subsequent social mobility. This article draws on a case study conducted in an urban multilingual primary school in Kenya and focuses on the challenges and strategies for teaching and learning English as a second language (ESL) in primary schools. The findings are based on evidence gathered from teachers, through questionnaires and semi-structured interviews, and from pupils, through learner diaries. The data show a strategic approach to teaching and learning English and reveal the tremendous effort invested by teachers and learners in grappling with the challenges of learning English in the context of an unresolved national language policy, interference from regional linguistic heritage languages and an examination-oriented education system. The strategies deployed by teachers to address these challenges include varied instructional approaches and creating a warm classroom climate to provide a non-threatening environment for learning and language acquisition. Data from pupils shows that group based interactions with their peers and individual reinforcement strategies, such as keeping vocabulary notebooks, are the most common learner strategies. The study shows how school-based research can give teachers and learners a voice in the development of successful language teaching and learning strategies for complex and challenging multilingual environments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,038 | 0,009 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».