Technology-Mediated Language Training: Developing and Assessing a Module for a Blended Curriculum for Newcomers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Newcomers to Canada with low proficiency in English or French often face challenges in the workforce (Kustec, 2012). While language classes provide workplace language training, not all newcomers are able to attend face-to-face classes (Shaffir & Satzewich 2010), suggesting a need for outside the classroom, occupation-specific language training. The use of technology has been shown to be advantageous for second language (L2) learning (Stockwell, 2007), especially when used outside the classroom (i.e., mobile-assisted language learning), as mobile technology affords learners greater control and flexibility over their own learning (Yang, 2013). This paper reports on a study investigating the development of a blended curriculum for L2 learners employed in customer service. A technology-mediated module was designed and developed within a task-based language teaching framework to provide workplace-linguistic support on mobile devices, enabling learners to access the language instruction they needed, when they needed it. The module contents and usability were assessed by high-beginner English proficiency newcomers employed in customer service (n=4) and their volunteer teachers (n=4). Results confirm the overall benefits of using language learning technology in providing instruction that meets participant language needs, ensuring opportunities for individualized training. Implications for designing, implementing, and researching technology-mediated modules are discussed.
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.
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 | 0,003 |
| 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 | 0,001 | 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 découle