Observing the interactive qualities of L2 instructional practices in ESL and FSL classrooms
Notice bibliographique
Résumé
Discourse features that promote the generation of interactionally modified input and output, such as negotiation for meaning, have been shown to significantly enhance second language acquisition. Research has also identified several characteristics of instructional practices that render them more or less propitious to the generation of these discourse features. While various classroom observation studies have successfully measured the communicative orientation of classroom environments, most of the indicators of interactivity analyzed in those studies were obtained through micro-level discourse analyses and not through macro-level analyses of task-related factors shown to directly influence the interactivity of instructional practices. Such a macro-level scale has potential practical implications for teachers and administrators seeking an efficient tool for assessing and improving the interactivity afforded by a given curriculum. The objective of the present study was therefore to develop macro-level scale to determine the extent to which teachers of French and English as a second language use interaction-friendly instructional practices. Using an observation scheme designed to code data on factors shown to influence interactivity, 63 hours of FSL and ESL classes from secondary schools in the Montreal area were observed and analyzed. Results indicate clear differences between the two groups. While both ESL and FSL classes were less teacher-centered than those observed in previous studies, they were still rated as not-very-interactive. Target language differences showed that the FSL classes were more teacher-centered and characterized by fewer interaction-friendly tasks and activities than the ESL classes. Task characteristics, reasons for ESL and FSL differences and recommendations for improvement are discussed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».