Developing Technological Capacity in EAL Learning Environments: The Teacher Candidate Experience
Notice bibliographique
Résumé
Abstract: English as an Additional Language and technology are both areas that are underserved in teacher education programs. In an attempt to begin EAL and technology development sooner a volunteer group from the (Name) engaged in a program to create an educational technology experience in an EAL high school classroom. The opportunities for digital learning technologies to support teachers and learners are endless (Borko, Whitcomb and Liston, 2009). Teacher education programs continue to promote the integration of new technologies into training in Universities (Albion, 2008) and in the K- 12 school environment (Dawson, 2006) but developing high levels of competency in pre-service teachers has been difficult. Another issue is that students in Canadian teacher preparation programs are unlikely to have the opportunity to develop skills in EAL (Cummins, Mirza & Stille, 2012; Mistry & Sood, 2010). Also, students in English as an Additional Language need exposure to technologies to help support their academic success and integrate into new cultures. A key aspect of learning to be a successful teacher involves the students learning in the settings in which they will teach Smarkola (2007) This paper uses an action research approach to examine the experiences of pre-service teachers application of technology in an English as an Additional Language high school classroom.
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 | 0,009 | 0,004 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».