MétaCan
Menu
Retour à la cohorte
Enregistrement W3118784303 · doi:10.32839/2304-5809/2020-11-87-78

USE OF PODCASTING FOR TEACHING ENGLISH ON THE EXAMPLE OF CBC EDMONTON RESOURCES

2020· article· en· W3118784303 sur OpenAlexaboutno aff
Олена Бабенко

Notice bibliographique

RevueМолодий вчений · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInteractivityNoveltyActive listeningComputer scienceContext (archaeology)Process (computing)Reading (process)Mathematics educationMultimediaAdaptation (eye)CognitionPsychologyPedagogyLinguistics

Résumé

récupéré en direct d'OpenAlex

The paper is aimed at presenting theoretical and practical facets on the use of podcasting for boosting students’ listening, speaking and reading skills on the example of CBC Edmonton resources in ESL classes. The novelty of the study is in combining theoretical and empirical research through the use of authentic podcasts for teaching English. This paper summarizes the experience of Canadian colleagues in designing a number of various tasks based on audio podcasts. These teaching guides have clear measurable goals and include the following activity resources such as lesson plans, slide shows, ad-free audio for download, episode transcripts, activity sheets, bonus mini-episodes. The only national teacher’s concern is a problem of modification of these materials to make them more appropriate for a target group of ESL learners. Three components, in particular, linguistic, cognitive complexity and communicative peculiarities should be taken into consideration for further adaptation. The practical experience of university lecturers highlights that open educational resources differ from traditional teaching tools by their interactivity, novelty, optimality of their technical characteristics and socio-cultural context. We can emphasize that the implementation of podcasting as an aid into the educational process is necessary to improve the quality of the educational process in general.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 Opus0,129
Tête enseignante GPT0,242
Écart entre enseignants0,112 · 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'étudeSans objet
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueМолодий вченийMême sujetSecond Language Learning and TeachingTravaux en français237 207