MétaCan
Menu
Retour à la cohorte
Enregistrement W2139876830 · doi:10.5430/wjel.v4n3p44

Introducing Co-Teaching and Co-Generative Dialogues in a Pre-Service Teaching Practicum: Stepping in and Remaining Contradictions

2014· article· en· W2139876830 sur OpenAlexvenueno aff
Ekaterina Arshavskaya

Notice bibliographique

RevueWorld Journal of English Language · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPracticumContext (archaeology)Set (abstract data type)Service (business)Generative grammarPedagogyReflexivityMathematics educationComputer sciencePsychologySociologyHistory

Résumé

récupéré en direct d'OpenAlex

This article reports on collaborative teaching practices and co-generative dialogues incorporated into a Master of Arts (MA) in Teaching English as a Second Language (TESL) practicum at a large northeastern U.S. university with a focus on uncovering the processes associated with learning-to-teach. The paper describes the contents of the existing pre-service teaching practicum as well as the supplementary activities that were introduced. The article presents two main findings: (1) Co-teaching opportunities provided critical support to the pre-service teachers as they began teaching, and (2) Although the co-generative dialogues were set up to mediate a reflexive dialogue around the nature of teaching, we found that the pre-service teachers retained some teaching beliefs that were in conflict with those of the mentors even at the end of the practicum. Despite the extended opportunities to discuss their respective teaching beliefs, the mentors were not prepared to deal with the pre-service teachers’ unresolved concerns, which bears important implications for how to prepare mentors to work with novices in the context of an MA TESL practicum.

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)0,027
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0200,027
Communication savante0,0120,008
Science ouverte0,0040,023
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,321
Écart entre enseignants0,306 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetCollaborative Teaching and InclusionTravaux en français237 207