MétaCan
Menu
Retour à la cohorte
Enregistrement W3153877428 · doi:10.21827/jve.4.37413

Exploring the efficacy of pre-service teachers as makers of virtual language/culture learning environments

2021· article· en· W3153877428 sur OpenAlexaffabout
Sabrina Priego, Meei‐Ling Liaw

Notice bibliographique

RevueJournal of virtual exchange · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAffordanceVirtual realityConstruct (python library)Computer scienceInstructional simulationService (business)MultimediaVirtual machineHuman–computer interactionPsychology

Résumé

récupéré en direct d'OpenAlex

Previous literature in the area of computer assisted language learning in Second/Foreign Language (L2/FL) education has highlighted the benefits of using virtual environments for learning the target language and culture (e.g. Blyth, 2018; Lloyd, Rogerson, & Stead, 2017; Shih, 2015). In addition, a number of researchers have demonstrated that one of the important attributes of virtual environments for language learning is the affordances of physical and social presence (e.g. Cho, Yim, & Paik, 2015; McKerlich, Riis, Anderson, & Eastman, 2011; Peterson, 2011; Wang, Lawless-Reljic, Davies, & Callaghan, 2011). However, to our knowledge, no previous studies have investigated the affordances of virtual environments from the makers’ point of view. In this present study, 22 Canadian pre-service teachers used a 360 degree camera and Virtual Reality (VR) software to construct VR environments that were used as cultural virtual tours. They then invited 24 Taiwanese students to interact with them in their created immersive environments. Analyses of the pre-service teachers’ final written reflections showed that most of them reported that they experienced a sense of physical and social presence in their self-created VR environments and that they enjoyed participating in the VR project. However, various factors, such as the design of the task, technical difficulties with the VR equipment, and limits of the social VR network were also found to have negatively influenced their satisfaction with the VR experience. Findings from this study might inform other L2/FL teachers who design VR environments and integrate social VR in their classes. Suggestions for future research are also provided.

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)0,005
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,059
Tête enseignante GPT0,269
Écart entre enseignants0,210 · 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'étudeObservationnel
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of virtual exchangeMême sujetEFL/ESL Teaching and LearningTravaux en français237 207