MétaCan
Menu
Retour à la cohorte
Enregistrement W2968001566

ESL Teachers Experiences and Perceptions of Developing Multilingual Learners' Academic Literacies

2019· article· en· W2968001566 sur OpenAlexaboutno aff
Mary Anne John

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPedagogyPerceptionMathematics educationSociologyPsychologyLinguistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation explores the development of the Academic Literacies of multilingual learners in the multicultural settings of a Toronto College. More specifically, it addresses teacher reported experiences and reported perceptions of developing the Academic Literacies of multilingual learners. It uses a unified conceptual framework encompassing established aspects of ESL materials and methodology, namely, teacher roles, learner roles, materials’ roles, activities’ roles, and academic literacies development roles to establish essential differences between the plural-noun Academic Literacies and other forms of single-noun literacy approaches. It applies this theoretical and methodological frame to the analysis of its three kinds of data sets: One, an online email Survey; Two, oral face-to-face Interviews; and, Three, written Reflections. It uses an online Qualtrics survey to establish teacher perceptions of the development of multilingual learners’ Academic Literacies. Then, it uses face-to-face interviews to examine teacher reported experiences in developing multilingual learners’ Academic Literacies. Finally, post-interviews, it analyzes its participants’ reported perceptions of developing the Academic Literacies of multilingual learners. Its findings establish the presence of consistent teacher attempts at incorporating learner backgrounds, fluency levels, and individual goals in creating a learner-centered and inclusive literacy education in an academic atmosphere that honors students’ real-life aspirations.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0040,002
Science ouverte0,0000,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,303
Écart entre enseignants0,269 · 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'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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative IdentityTravaux en français237 207