Implementing Portfolio-Based Language Assessment in LINC Programs: Benefits and Challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although earlier research has examined the potential of portfolios as assessment tools, research on the use of portfolios in the context of second-language education in Canada has been limited. The goal of this study was to explore the benefits and challenges of implementing a portfolio-based language assessment (PBLA) model in Language Instruction for Newcomers to Canada (LINC) programs. Data were gathered through semistructured interviews with four LINC instructors involved in a PBLA pilot project in a large Canadian city. Similar interviews were con- ducted with a representative of Citizenship and Immigration Canada, and a de- veloper of the PBLA model. Participants identified both benefits and challenges related to PBLA implementation. Based on their feedback, recommendations for future implementation are provided.Bien que la recherche antérieure ait porté sur le potentiel des portfolios comme outils d’évaluation, la recherche sur leur emploi dans l’éducation en langue sec- onde au Canada est limitée. L’objectif de cette étude est d’explorer les bienfaits et les défis relatifs à la mise en œuvre d’un modèle d’évaluation linguistique reposant sur le portfolio (PBLA) pour la formation dans les cours de langue pour immi- grants au Canada (CLIC). Les données ont été recueillies par le biais d’entrevues semi-structurées avec quatre enseignants de CLIC impliqués dans un projet pilote PBLA dans une grande ville canadienne. Des entrevues similaires ont eu lieu auprès d’un représentant de Citoyenneté et immigration Canada et d’un développeur du modèle PBLA. Les participants ont identifié les bienfaits et les défis relatifs à la mise en œuvre du modèle PBLA. En s’appuyant sur leur rétroac- tion, on fournit des recommandations visant la mise en œuvre à l’avenir.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,000 |
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 découle