MétaCan
Menu
Retour à la cohorte
Enregistrement W3000821740 · doi:10.14393/ll63-v35nesp2019-13

Competence and performativity in English language teacher education

2019· article· en· W3000821740 sur OpenAlexaff
Vanderlei J. Zacchi

Notice bibliographique

RevueLetras & letras · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Digital Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésPerformativityCompetence (human resources)Teacher educationVariety (cybernetics)PedagogySociologyMathematics educationAffect (linguistics)Pre-service teacher educationPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper seeks to explore how English teachers in elementary education in Sergipe are dealing with diversity in the classroom and with the previous knowledge brought by students, especially about new digital technologies. The analysis was done from data generated through questionnaires and interviews, involving in-service teachers and undergraduates of an English Letras course. Talking about teacher education is a task that involves a great deal of uncertainty, due to the constant transformations that are taking place in a variety of fields that affect the production and dissemination of knowledge, the way we communicate and interact, socio-cultural relations and social life as a whole. With this scenario in mind, we can say that teacher education is essential to prepare them for the uncertain, the unpredictable and the unexpected. The analysis will be based on the theoretical concepts of competence, performance and performativity.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,298
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLetras & letrasMême sujetEducation and Digital TechnologiesTravaux en français237 207