MétaCan
Menu
Retour à la cohorte
Enregistrement W3126601035 · doi:10.37213/cjal.2021.28992

The Impact of CEFR-Related Professional Learning on Second-Language Teachers’ Classroom Practice: The Case of French in Canada

2021· article· en· W3126601035 sur OpenAlexaffvenueabout
Katherine Rehner, Ivan Lasan, Anne Popovich, Zehra Melike Palta

Notice bibliographique

RevueCanadian Journal of Applied Linguistics · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyProfessional developmentProfessional learning communityCompetence (human resources)PedagogyCommunicative language teachingLanguage acquisitionLinguistic competenceCommunicative competenceLanguage assessmentMathematics educationLanguage educationLinguistics

Résumé

récupéré en direct d'OpenAlex

This study explores the impact of professional learning about the Common European Framework of Reference for Languages: Learning, Teaching, Assessment (CEFR) on second language (L2) teachers’ classroom practice. Ninety self-selected French as a second language (FSL) teachers across Canada responded to an online survey about their planning, teaching, and assessment/evaluation practices before versus after their professional learning. The results revealed that the impact of such professional learning is wide-reaching and remarkably consistent across all three areas of practice. The teachers reported that their professional learning spurred them to start presenting language through speech acts and based on students’ needs, to emphasize not only linguistic but sociolinguistic and pragmatic competence as well, and to focus more intently on students’ ability to communicate in the L2. The teachers also reported that they increased the use of authentic materials and developed communicative and action-oriented tasks that simulate real-life situations. The findings suggest that CEFR-related professional learning may be used successfully to inspire L2 teachers to implement CEFR-informed classroom practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,091
Score d'incertitude au seuil0,662

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0190,005
Communication savante0,0050,001
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,263
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Applied LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207