Discipline-Specific Language Instruction for International Students in Introductory Economics
Notice bibliographique
Résumé
This paper explores student perceptions of the effects of pairing discipline-specific language instruction with the traditional method of course delivery in economics. Our research involved teaching content-based English as an additional language (EAL) tutorials to a small group of ten international students taking first-year introductory economics courses. These voluntary participants completed pre- and post-treatment assessments with exit interviews at the end of the project. Assessment results and interviews suggest that students perceive that discipline-specific language instruction such as our EAL tutorials assists in the development of increased content and language proficiency. They also believe that vocabulary development is one of the most critical activities to support these goals; reading skills are also important but require more time and commitment than students can afford to give. Despite the students’ interest in the project, their heavy class schedules prevented many from participating; our group was limited to ten students which precludes any assurance of statistical significance. In spite of the limitations, we believe that the project can still contribute valuable qualitative lessons to the literature of content-based language instruction in which the discipline of economics has not been well represented. Cette communication explore la manière dont les étudiants perçoivent les effets du jumelage de l’enseignement de la langue spécifique à une discipline avec l’enseignement d’un cours d’économie selon la méthode traditionnelle d’enseignement. Notre recherche a porté sur l’enseignement en tutorat de l’anglais langue additionnelle (ALA) fondé sur le contenu à un petit groupe de dix étudiants internationaux inscrits dans des cours de première année d’introduction à l’économie. Ces participants bénévoles ont complété une évaluation avant et après le cours et ont été interviewés à la fin du projet. Les résultats de l’évaluation et les entrevues suggèrent que les étudiants ont le sentiment que l’enseignement de la langue spécifique à une discipline, tel que nos cours d’ALA en tutorat, les aident à développer une meilleure compréhension du contenu du cours et de la langue. Ils pensent également que l’acquisition du vocabulaire est l’une des activités les plus importantes pour réaliser ces objectifs. Les compétences en lecture sont également importantes mais requièrent davantage de temps et d’engagement que ce que les étudiants sont en mesure de fournir. Malgré l’intérêt des étudiants dans le projet, leur emploi du temps très chargé a empêché plusieurs d’entre eux d’y participer. Notre groupe a été limité à dix étudiants, ce qui écarte toute assurance de signification statistique. Malgré ces limites, nous croyons que ce projet peut malgré tout apporter une contribution qualitative appréciable à la documentation qui existe sur l’enseignement de la langue spécifique à une discipline dans laquelle l’économie n’a pas souvent été représentée.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».