MétaCan
Menu
Retour à la cohorte
Enregistrement W2735245618 · doi:10.5539/elt.v10n8p78

Empowering Non-licensed-in-English Language Teachers to Construct Professional Knowledge in Their Actual and Imagined Communities of Practice

2017· article· en· W2735245618 sur OpenAlexvenueno aff
Edgar Augusto Aguirre-Garzón, Harold Castañeda-Peña

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisionConstruct (python library)PsychologyPedagogyPopulationProfessional developmentProcess (computing)Professional learning communityMathematics educationSociology

Résumé

récupéré en direct d'OpenAlex

Research has accumulated important knowledge over recent decades on how licensed language teachers develop and learn from cognitive and socio-cultural stances. Yet, relatively little evidence exists on how non-licensed-in-English language teachers (NLELTs) grow professionally in their communities. Similarly, few studies have yet investigated the concept of “imagined communities” in the language teaching field with these particular types of population. This study attempts to fill this gap by exploring the possible forms of professional knowledge that NLELTs build through participation in the activities of a learning community. Four non-licensed language teachers participated in a nine-month collaborative-reflective process focused on language teaching practices, in a public school in Bogotá (Colombia). In analyzing their interactions and consequent products, we discuss three dimensions of knowledge construction propelled by the individual visions they brought into the community. Furthermore, we analyze how learning in that present community granted the teachers access to envisioned practices in imagined communities for a desirable future. Based on the findings we argue that success or failure in participation in present, real communities determines imagined affiliation to future communities, their practices and even the NLELTs’ preferred future positionings as professionals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,305
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetSecond Language Learning and TeachingTravaux en français237 207