Autonomous learning in a CALL EFL classroom: an exploratory case study
Notice bibliographique
Résumé
The increasing use of both computers and the Internet in universities and other Higher Education institutions in recent decades has had widespread effects on the EFL education programs (Kim, 2008; Terrill, 2000). The appearance of new forms of digital media, online learning communities, science simulations and electronic software presents new learning opportunities for EFL learners, which do not require the constant intervention of a teacher or which can be pursued outside the framework of a formal educational institution (Reeder, 2012; Warschauer, 1996). Computer and internet technologies are in many ways driving self-directed approaches to learning. We are starting to see a change in our understanding of self-directed learning as a set of specific abilities to access and effectively employ different learning environments with technology playing an important facilitative and enhancing role. The focus of this study is materials analysis of a Self-Study Listening Project (SSLP), which was implemented in the context of CALL EFL class at a Japanese university. This study uses an exploratory case study approach to address its two questions: (1) is SSLP, as documented in the CALL-course syllabus, likely to promote autonomous learning inside and outside the classroom? And (2) is SSLP, as documented in the CALL-course syllabus, likely to promote the development of the EFL listening skills? The materials analysis of SSLP revealed two main findings: (1) SSLP is likely to have impact on development of the interdependent autonomous learning skills of students; (2) SSLP is likely to have impact on development of the listening skills of students; a balanced strategy approach to listening instruction was taken in the course of implementation of SSLP; top-down and bottom-up approaches to listening were utilized; the use of various audiovisual materials coincided with multiple cognitive, metacognitive, and socioaffective activities.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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 ».