Integrating Content and Language in Business English Teaching in China: First Year Students’ Perceptions and Learning Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Content and language integrated learning (CLIL) is a key construct in Business English teaching in universities in China today. While there is a plethora of articles on implementation in European contexts, there is limited evidence in the literature of the teaching/learning experience in other foreign language learning environments—despite its wide application in, for example, south-east Asia and China in particular. As CLIL programs have been developed in a variety of ways to meet the unique needs of learners and societal expectations, the context of teaching and learning is critical. This paper focuses on the perceptions and learning experiences of students in a first year, first semester course, Introduction to Contemporary Business, in a Chinese university. Lesson observations, questionnaires, and interviews explore the experience of learners. While most students found the course very challenging in their first semester, they met the challenge. Coping with both language and content is always a double challenge: most students found their Introduction to Contemporary Business their most difficult course, yet they perceived it as manageable and worthwhile. Students coped with the difficulty level in two main ways: either by spending much time in review and translating the textbook prior to class, or by focusing on the teacher’s PowerPoint slides after class—as they considered these were the key points and the textbook was too difficult. Suggestions for a closer integration between language and content within CLIL courses are offered, such as a case-task-based approach, a greater variety of input, and the role of content teachers in English enhancement.
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.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle