MétaCan
Menu
Retour à la cohorte
Enregistrement W2779015682 · doi:10.5539/ijel.v8n2p25

Self-Assessed Professional Competence of the High School EFL Teachers in Toraja Indonesia

2017· article· en· W2779015682 sur OpenAlexvenueno aff
Selvi Panggua, Basri Wello, Baso Jabu, Doris Macdonald

Notice bibliographique

RevueInternational Journal of English Linguistics · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas IndonesiaNorthern Illinois University
Mots-clésCompetence (human resources)Christian ministryPsychologyForeign languagePedagogyCommunicative competenceMathematics educationMedical educationPolitical scienceMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

The teaching of English as a foreign language (EFL) in Toraja is influenced by the quality of teachers from elementary to university level. The Ministry of National Education in Indonesia has stipulated four competencies that should be mastered by teachers: pedagogical competence, professional competence, personal competence, and social competence. The professional competences of foreign language teachers include a knowledge of various aspects of language in English (linguistics, discourse, sociolinguistic and strategic) and mastery of oral and written English language. The purpose of this study is to identify the perceived level of professional competence of high school EFL teachers in Toraja. For this study, 31 high school EFL Teachers in Toraja were chosen randomly from both public and private schools. Data was collected from questionnaires administered in person and by e-mail. The descriptive statistical results of this research show that half of the teachers reported themselves to have only a fair level of professional competence. This suggests the need for in-service training or professional development activities for high school EFL teachers in this region in order to improve their competence and confidence in teaching English.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,291
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207