Needs analyses for task-based curriculum design: How useful can it be for general purpose L2 courses?
Notice bibliographique
Résumé
When designing a task-based language curriculum, it is essential to conduct a needs analysis (NA) to gain insight into the needs and goals of the student population (Long SLA and TBLT 6). This article illustrates the steps of the process by which an NA was designed and implemented in two university-level B2 level oral communication French as a Second Language courses to investigate students’ perceptions of the TBLT approach, students’ motivations, needs and desired outcomes in order to develop task-based syllabi. This article also addresses the challenges of responding to the needs of a diverse student population in order to determine thematic content and to design the authentic real-life tasks that would appeal to different individual students while taking into account the sociolinguistic and cultural context of the Francophone province of Quebec.The NA consisted of an analysis of the Common European Framework of Reference for Languages (CEFR), an online questionnaire given to both students (n = 48) and teachers (n = 8), and semi-structured interviews with students (n = 8). Despite the apparent heterogeneity of the participants in the two general purpose oral communication language classes, results suggest common, domain-independent goals and themes that would sufficiently cater to the needs and objectives of each individual in the group while also meeting the academic requirements of a university-level course.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».