MétaCan
Menu
Retour à la cohorte
Enregistrement W3008178177 · doi:10.5430/jct.v9n1p55

Improving Learners’ Oral Proficiency in French Through the Communicative Approach: Colleges of Education in Oyo in Focus

2020· article· en· W3008178177 sur OpenAlexvenueno aff
Balogun Thomas Akanbi, Kezie-Osuagwu Clementina Ndidi

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive listeningForeign languageFirst languageCommunicative language teachingMathematics educationPsychologyReading (process)PedagogyLanguage educationMedical educationLinguisticsMedicineCommunication

Résumé

récupéré en direct d'OpenAlex

It cannot be overemphasised that French language is a foreign language in Nigeria and that its teaching and learning cannot take the same process as acquiring/learning the mother tongue or a second language. Foreign language learning requires some strategic applications in order to be able to interact with the native speakers in real life day to day communication. This study aims at delving into some teaching strategies involving the communicative approach to teaching French as a foreign language in order to boost the oral proficiency of our learners in French. The teachers and students in two colleges of Education namely Federal College of Education (Special) [FCES] and Emmanuel Alayande College of Education (EACOED), both located in Oyo town, were the participants in the study. Data were collected through classroom observation, students’ achievement test as well as questionnaires for teachers. The results indicated that students perform better when the teachers employ the communicative approach. Based on the findings of this study, it is therefore recommended that teachers of French language use the communicative language teaching approach to build confidence in their students as this will help to develop faster their linguistic skills, given that this approach gives priority to listening and speaking skills over reading and writing skills.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,282
Écart entre enseignants0,246 · 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'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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207