MétaCan
Menu
Retour à la cohorte
Enregistrement W2975101903 · doi:10.5539/ies.v12n10p114

Exploring EFL Teachers’ Perceptions of CLIL and Its Implementation in the Saudi EFL Context

2019· article· en· W2975101903 sur OpenAlexvenueno aff
Uzma M Hashmi

Notice bibliographique

RevueInternational Education Studies · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)PsychologyQualitative researchPedagogyContent and language integrated learningMathematics educationPerceptionEnglish as a foreign languageForeign languageSociology

Résumé

récupéré en direct d'OpenAlex

This study aims to explore the perceptions of English as Foreign Language (EFL) teachers about the notion of Content and Language Integrated Learning (CLIL) in the Saudi EFL contexts. The veteran EFL teachers share their views regarding the application and implementation of CLIL approach. This study has looked into this issue from an interpretivist lens employing qualitative data collection technique, i. e. semi-structured interviews. The data were collected from 10 EFL teachers. The qualitative data were thematically analyzed that led to four major themes. The key findings reveal that CLIL is not a frequently used concept in this part of the world; however, its usefulness and effectiveness are recognized by the participants who also express their views about the pros and cons and other practical constraints that might affect the implementation of CLIL programs in the Saudi EFL context. One of the major issues that teachers have highlighted is the training programs that should encompass the idea of CLIL and train EFL teachers on the latest teaching skills to upgrade their pedagogical repertoire. Based on the findings, the study has suggested directions for the future researchers to fill the gap in the existing literature and investigate the phenomenon of CLIL in more depth in order to acknowledge its significance in the light of the Vision 2030.

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 enseignants0,016
Score d'incertitude au seuil0,032

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 technologies0,0030,003
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,180
Tête enseignante GPT0,402
Écart entre enseignants0,222 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetSecond Language Learning and TeachingTravaux en français237 207