Rethinking language teacher training: steps for making talk-in-interaction research accessible to practitioners
Notice bibliographique
Résumé
The goal of this paper is to enhance the quality of language teaching and improve language teacher training by making spoken interaction research accessible to practitioners. Research on teacher cognition has shown that basic beliefs and assumptions about language affect language teacher training programs and language teachers’ priorities in the classroom. Such beliefs tend to reflect teachers’ own socialization and orient to current administrative guidelines in L2 teaching, often resulting in a focus on language production of individual speakers. In contrast, a social-interactionist perspective emphasizes the co-constructed nature of language and interaction. Unpacking teachers’ beliefs and their consequences for what is taught is necessary for implementing interactional competence-based instruction. This paper suggests concrete steps to facilitate teacher training, preparing language teachers for Conversation Analysis-based Interactional Competence instruction. Such training includes, (1) sustained critical reflection of teachers’ conceptions of what language is, (2) basic training of pre- and in-service teachers in micro-analytic procedures that enable the analysis of actual talk-in-interaction, and (3) models for translating and transferring research on spoken communication and interaction into pedagogical practice. These teacher training elements: advance an empirically informed, state-of-the art view on interactional competence (IC); provide teachers with the necessary tools for meaningful, reflexive work with IC materials; and can supplement current methodology textbooks.
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 | 0,177 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,037 |
| Communication savante | 0,030 | 0,049 |
| Science ouverte | 0,008 | 0,021 |
| Intégrité de la recherche | 0,013 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».