MétaCan
Menu
Retour à la cohorte
Enregistrement W2161174670 · doi:10.21432/t2p880

Use of Social Software to Address Literacy and Identity Issues in Second Language Learning

2010· article· en· W2161174670 sur OpenAlexaffvenue
Jill Hutchinson

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Communication and Language
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPedagogySociologyLiteracyEllIdentity (music)Social identity theoryHumanitiesPsychologyTeaching methodSocial scienceSocial group

Résumé

récupéré en direct d'OpenAlex

The emerging trend of social software technology can address many different second language (L2) learner needs through authentic social interaction and a variety of scaffolding processes. Social software connects education with real-life learning and interests, and engages and motivates students. It can facilitate learning environments that are more learner-centred, informal and collaborative. Increasingly culturally and linguistically diverse classrooms and uneven access to technology are revealing educational inequalities for English Language Learners (ELLs) (Pruitt-Mentle, 2007). In a review of the literature, the author explores how social software tools, through the lens of socio-constructivist theory, can support literacy development and improve linguistic power relationships, building self-esteem and encouraging positive educational and identity experiences for L2 learners. Recommendations for future research on social software use focusing on issues of appropriateness and responsible use for L2 learners, acceptance of social tools and technology accessibility, are presented. Résumé : La nouvelle tendance de la technologie des logiciels sociaux répond à plusieurs besoins différents d’apprenants de langue seconde (L2) grâce à une interaction sociale authentique et une variété de processus d’échafaudage. Les logiciels sociaux font le pont entre l’éducation et l’apprentissage et les intérêts dans la vie réelle; ils stimulent également l’engagement et la motivation des élèves en plus de fournir des environnements d’apprentissage qui sont davantage centrés sur l’apprenant, plus informels et plus collaboratifs. Les salles de classe de plus en plus culturellement et linguistiquement diversifiées ainsi qu’un accès disproportionné à la technologie révèlent des inégalités en matière d’éducation pour les apprenants de l’anglais (Pruitt-Mentle, 2007). Dans ce document, l’auteur explore, à travers le prisme de la théorie socio-constructiviste, comment les outils logiciels sociaux peuvent favoriser le développement de la littératie et améliorer les rapports de pouvoir linguistiques, contribuer à la construction d’une estime de soi positive et encourager les expériences éducatives et identitaires positives pour les apprenants de L2. L’article émet des recommandations pour la conduite de recherches futures sur l’utilisation des logiciels sociaux en se concentrant sur les questions de leur pertinence et de leur utilisation responsable par les apprenants de L2, de l’acceptation des outils sociaux et de l’accessibilité de la technologie.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,283
Écart entre enseignants0,273 · 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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetDigital Communication and LanguageTravaux en français237 207