Where Good Pedagogical Ideas Come From: The Story of an EAP Task
Notice bibliographique
Résumé
Teachers using a task-based language teaching (TBLT) approach are always searching for learning tasks that have the potential to prepare learners for the real world. In this article, we describe how an authentic academic assignment for graduate students in a teaching English as a second language (TESL) course was transformed into a task-based lesson for undergraduate English for academic purposes (EAP) students. We provide a brief review of TBLT and how it fits in with the goals of EAP programming. We then describe the original academic task, followed by a detailed overview of the EAP lesson and reflections on its implementation. Les enseignants qui utilisent une approche actionnelle (TBLT – task-based language teaching) sont constamment à la recherche de tâches d’apprentissage susceptibles de préparer leurs étudiants pour le vrai monde. Dans cet article, nous décrivons la transformation d’un travail académique authentique pour étudiants aux cycles supérieurs qui suivent un cours d’enseignement de l’ALS en une leçon actionnelle pour des étudiants d’anglais académique au premier cycle. Nous offrons un aperçu de l’approche actionnelle et de la mesure dans laquelle elle cadre avec les objectifs des programmes d’anglais académique. Par la suite, nous décrivons la tâche académique originale pour ensuite présenter une des- cription détaillée de la leçon d’anglais académique ainsi que des ré exions sur sa mise en œuvre.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 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 ».