Young Dual Language Learners in China Best Practices in English Immersion
Notice bibliographique
Résumé
Many international early childhood care and education (ECCE) programs are creating opportunities for children to become bilingual and multilingual or to maintain their bilingualism and multilingualism (Lorenzo et al. 2009; Lenker and Rhodes 2007; Richards and Rogers 2001). Three major categories of ECCE settings that serve young dual-language learners (DLL) are the first-language classroom, the bilingual classroom, and the English language classroom (Tabors 2008). This chapter focuses on the English language, or English immersion (EI), classroom for DLL. In the ECCE EI classroom, a portion of classroom interaction is in English, and the outcomes include the development of English language proficiency and preservation of the children’s home languages and cultures. A distinguishing factor in most ECCE EI classrooms in China is that teachers are typically not native English speakers. However, in China, Canada, United States English Immersion (CCUEI) kindergartens, more native English speakers are also university-prepared ECCE teachers. Further, in CCUEI kindergartens, learning outcomes include English language learning, content learning, and development of social competence. The purpose of this chapter is to discuss EI for young DLL in the context of the CCUEI research collaborative schools in China. Specifically, the chapter defines DLL in general; identifies DLL in the context of CCUEI kindergartens; reviews current research in the field of EI education;
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 | 0,000 |
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 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 ».