A Typology of Tasks for Mobile-Assisted Language Learning: Recommendations from a Small-Scale Needs Analysis
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
In response to the research priorities of members of TESOL (Teachers of English to Speakers of Other Languages), this study investigated language learners’ real-world tasks in mobile-assisted language learning (MALL) to inform the future development of pedagogic tasks for academic English as a second language (ESL) courses. The data included initial semistructured interviews with four ESL teachers and four college ESL students followed by an online task-based needs analysis conducted with 23 ESL teachers and 76 college ESL students at a university in the midwestern United States. Through the interviews and surveys, we identified how teachers and students used mobile devices and how they felt mobile devices could be used in language learning, and we categorized their target tasks in MALL according to the four language skills (reading, listening, speaking, and writing). The study found that ESL learners already use various mobile device functions, but that ESL instructors were less inclined to use these for teaching, suggesting that teachers may need further support and ideas before they can help their learners take advantage of their mobile devices for language learning. Both learners and teachers gave high rankings to tasks for listening and speaking as well as to activities integrated with SMS and the Internet. Based on the identified tasks, we created a MALL task typology to provide an initial authentic and sound resource for the future development of MALL tasks, lesson plans, and curricula.En réponse aux priorités de recherche des membres de TESOL (enseignement de l’anglais à des apprenants étrangers), cette étude a porté sur les tâches réelles dans le contexte de l’apprentissage mobile des langues pour ensuite éclairer le développement de tâches pédagogiques pour l’anglais académique dans les cours d’anglais langue seconde (ALS). La collecte des données a inclus des entrevues initiales semi-structurées auprès de quatre enseignants d’ALS et quatre étudiants d’ALS à l’université, ainsi qu’une analyse des besoins basée sur les tâches et accomplie en ligne auprès de 23 enseignants d’ALS et 76 étudiants d’ALS dans une université du Midwest des États-Unis. Les entrevues et les enquêtes ont permis d’identifier l’emploi que faisaient les enseignants et les étudiants des appareils mobiles ainsi que leurs perceptions du rôle que pouvaient jouer les appareils dans l’apprentissage d’une langue. Par la suite, nous avons classé leurs tâches cibles selon quatre compétences linguistiques (lecture, écoute, expression orale et rédaction). Les résultats indiquent que les apprenants d’ALS se servent déjà de diverses fonctions des appareils mobiles mais que les enseignants d’ALS étaient moins portés à s’en servir pour l’enseignement, ce qui porte à croire qu’il faudrait peutêtre leur offrir plus d’appui et d’idées de sorte à ce qu’ils soient en mesure d’aider les apprenants à profiter de leurs appareils mobiles pour apprendre la langue. Tant les apprenants que les enseignants ont attribué beaucoup d’importance aux tâches liées à l’écoute, à l’expression orale, à la messagerie texte et à l’Internet. À partir des tâches identifiées, nous avons créé une typologie des tâches pour l’apprentissage mobile des langues, fournissant ainsi une première ressource authentique et solide pour le développement futur de tâches, de plans de cours et de programmes d’étude dans le domaine.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle