TBL and Teacher Preparation: Toward a Curriculum for Pre-service Teachers
Notice bibliographique
Résumé
English language learners (ELLs) represent a growing demographic in the elementary mainstream classroom of today. Initial teacher education (ITE) programs must prepare teacher candidates for the dual challenge of teaching curriculum content while supporting the development of English language proficiency. Task-based learning (TBL) holds potential for addressing these learner needs. This article describes the curriculum and provides a list of suitable readings and tasks (assignments) for a 3-hour (one full course-equivalent) university course at the pre-service level that bridges theory to practice, and prepares elementary-route teachers to design and implement TBL in the context of the mainstream class setting. By basing the proposed curriculum on TBL, a model is provided for students to learn firsthand how TBL may be implemented in the mainstream.Les apprenants de l’anglais constituent un groupe démographique croissant dans les salles de classe au primaire. Les programmes de formation initiaux des enseignants doivent préparer les stagiaires pour le double défi que représentent l’enseignement du contenu et le développement de la compétence en anglais chez les élèves. L’enseignement basé sur les tâches (EBT) est susceptible de répondre à ces besoins. Cet article décrit un programme d’étude et offre une liste de lectures et de tâches appropriées pour un cours universitaire complet du premier cycle qui lie la théorie à la pratique et prépare les étudiants à concevoir et mettre en pratique l’EBT dans les classes au primaire. Le programme d’étude proposé fournit donc aux étudiants en pédagogie un modèle de la mise en œuvre de l’EBT en salle de classe.
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 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) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».