The Reality of Malaysian ESL Teachers’ ICT Pedagogical Practices: Challenges and Suggestions
Notice bibliographique
Résumé
Teachers of English as a second language (ESL) are nowadays exploring the integration of Information and Communications Technology (ICT) tools into their Higher Order Thinking (HOT) pedagogical practices. However, there are various challenges in using ICT to teach Higher Order Thinking Skills (HOTS), as it is only explored superficially. This study investigates the challenges encountered by ESL teachers when using ICT to promote HOTS. Meanwhile it aims to provide a set of guidelines to help teachers in teaching HOTS through utilising ICT. The framework of the research is grounded on Bloom’s Revised Taxonomy (2011). 30 ESL teachers from 5 schools selected by the ESL Master Teachers’ affiliation, participated in answering to the questionnaires. Meanwhile, 5 ESL teachers from each school were involved in focus group discussions (which were used to triangulate the data obtained from the questionnaires. The FGDs lasted for 20 minutes per session, and they were conducted based on the availability of the ESL teachers. The collected data were analysed in the form of tables and direct excerpts. The findings support that ESL teachers face multiple challenges such as time constraint, poor internet connection, and lack of ICT tools while using ICT to promote HOTS in schools. The findings of the present study are in-line with Malaysia’s vision in shifting the focus of education into the acquisition of HOTS. ESL teachers benefit from this research as they can improve on their teaching pedagogies based on the suggestions presented in this study.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».