A Reflective Approach to Digital Technology Implementation in Language Teaching: Expanding Pedagogical Capacity by Rethinking Substitution, Augmentation, Modification, and Redefinition
Notice bibliographique
Résumé
As the number of language instructors seeking to implement digital technologies in their teaching continues to grow, so does the need for direction with regard to making pedagogically sound decisions concerning digital tool use. One popular and useful guide for considering the educational potential of digital technologies has been Puentedura’s (2006) Substitution-Augmentation-Modification-Redefinition (SAMR) model, with its four levels of progressive technological integration. However, the degree of technological integration truly possible or even desirable for individual teachers in their given context depends on a number of complex, interrelated, largely non-technological factors, including implementation motives, pedagogical purview, educational philosophy, theory of learning, teaching style, and situational constraints. Generally unconscious, these factors often go ignored, leaving teachers susceptible to technological decisions that can lead them to lose their prescribed pedagogical focus or unwittingly contradict their core professional beliefs. After a brief, situated overview of the SAMR model, this article introduces and illustrates a five-stage SAMR-embedded reflective approach to systematically eliminating irrelevant, unacceptable, and unfeasible instructional uses of technology and, thereby, revealing potential for expanding pedagogical capacity in language teaching. À mesure que grandit le nombre de professeurs de langue qui cherchent à mettre les technologies numériques au service de leur enseignement, il devient plus important de savoir prendre des décisions pédagogiques judicieuses concernant le recours aux outils numériques. Populaire et utile avec ses quatre niveaux d’intégration progressive de la technologie, le modèle SAMR (Substitution, Augmentation, Modification, Redéfinition) de Puentedura (2006) a guidé maints utilisateurs intéressés par le potentiel éducatif des technologies numériques. Toutefois, le degré d’intégration technologique effectivement possible ou même désirable pour les professeurs individuels dans leur contexte particulier dépend de facteurs complexes, interdépendants et essentiellement non technologiques tels que les motifs invoqués en faveur du recours à la technologie, le ressort en matière de pédagogie, la philosophie éducative, la théorie de l’apprentissage, le style pédagogique et les contraintes situationnelles. Généralement inconscients, ces facteurs restent souvent ignorés, ce qui risque de confronter les professeurs à des décisions technologiques susceptibles de leur faire perdre la focalisation pédagogique qui leur a été prescrite ou de contredire involontairement leurs convictions professionnelles fondamentales. Après avoir brièvement replacé le modèle SAMR dans son contexte, le présent article introduit et illustre une approche réflective en cinq étapes intégrées au modèle SAMR qui est destinée à éliminer systématiquement les utilisations non pertinentes, inacceptables et irréalisables de la technologie, et ouvrant ainsi la perspective d’enrichir le potentiel pédagogique de l’enseignement des langues.
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 | 0,052 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,067 |
| Communication savante | 0,017 | 0,021 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,006 | 0,011 |
| 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 ».