A Task-Based Language Teaching Approach to the Police Traffic Stop
Notice bibliographique
Résumé
One possible hurdle to implementing the Task-Based Language Teaching (TBLT) approach is uncertainty about how to turn target tasks into materials that can be used in the classroom. This article discusses the steps taken to create materials for one target task (communicating with a police officer during a traffic stop) in a manner that provides a framework for others who wish to create materials for target tasks to follow. Specifically, the discussion will focus on how information was obtained from domain experts (police officers) and how samples of target discourse were collected. It will then explain how that information was turned into prototypical dialogues, which then serve as the foundation for pedagogic tasks that can be used to help learners achieve the goal of communicating with police officers during traffic stops. By explaining how prototypical dialogues were developed for this target task, it is believed that some of the uncertainty about how to turn the theory of TBLT into something concrete for learners will be alleviated.Un élément qui pourrait constituer un obstacle à la mise en œuvre de l’enseignement des langues basé sur les tâches (ELBT) est l’incertitude quant à la façon de transformer les tâches cibles en matière utilisable dans la salle de classe. Cet article discute des démarches entreprises pour créer du matériel pour une tâche cible (communiquer avec un agent de police lors d’un contrôle routier), de sorte à fournir un cadre pour ceux et celles qui voudraient élaborer du matériel pour d’autres tâches cibles. Plus précisément, la discussion portera sur l’obtention d’informations d’experts du domaine (des agents de police) et sur la collecte d’échantillons de discours cibles. Suivra une explication sur la transformation de ces informations en dialogues prototypiques qui deviennent ensuite la base de tâches pédagogiques visant à aider les élèves à communiquer avec des agents de police pendant les contrôles routiers. En expliquant le développement de dialogues prototypiques pour cette tâche cible, nous croyons réduire une part de l’incertitude relative à la transformation de la théorie de l’ELBT en matière concrète pour les apprenants.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».