Notice bibliographique
Résumé
In this paper, methodological and organizational aspects of applying CLIL methodology in teaching computer science for students of universities are analyzed. It is shown that European countries, as well as the United Kingdom, the United States of America, and Canada, where part of the curriculum has been taught in a foreign language for several decades, are most actively introducing content and language integration and promoting an interdisciplinary approach to education. CLIL methodology features and benefits are identified, namely, a comprehensive focus, stimulating learning environment, authenticity, active learning, gradual learning and collaboration. The peculiarity of CLIL methodology is that its use requires a stable elementary skill in the grammar of a foreign language, as well as knowledge of subject-specific language. In accordance with various conditions, CLIL model can be presented in various forms: it can be a full course of a foreign language discipline, a module from a specific topic area, a part of any course, a project, a laboratory workshop, and a research, too. The paper presents a plan for computer science lectures and labs in a foreign language, which contains seven stages, each of which is performed in English. Integration of computer science and teaching in English at the Kremenchuk Mykhailo Ostrohradskyi National University is implemented using developed bilingual course program “Computer for beginners”. The course content includes a study of the material necessary for obtaining skills in using modern ICT and a personal computer using English glossary. Conclusions are drawn regarding conditions and principles of teaching computer science in a foreign language. The scientific novelty of the work is that for the first time a comprehensive analysis of the expediency of using CLIL methodology was carried out at the Kremenchuk Mykhailo Ostrohradskyi National University. The practical significance of the work is that its results can be used for further implementation of content and language integration in Ukraine universities. The development of new content and language integrated courses with CLIL methodology for teaching courses in a foreign language is considered promising.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».