Pedagogical Strategies to Foster Target Language Use: A Nexus Analysis
Notice bibliographique
Résumé
L’emploi de la langue cible par les élèves demeure un défi pour les enseignants de langue seconde, notamment en raison d’un manque de lignes directrices dans les documents du curriculum, un manque d’expérience chez les enseignants dans l’utilisation d’une variété d’approches pédagogiques et la tendance à recourir à l’anglais comme langue par défaut. Les stratégies de l’approche neurolinguistique (ANL) pourraient promouvoir un emploi accru de la langue cible dans des contextes variés au Canada et ailleurs. Dans cette étude, nous avons exploré la mise en œuvre de certaines stratégies de l’ANL dans un programme allemand bilingue dans l’ouest du Canada. Six enseignants de la maternelle à la 6 e année ont modélisé la séquence orale ainsi que la boucle de la littératie pendant trois cycles de deux semaines d’enseignement intensif (instruction uniquement en allemand) dans le cadre d’une étude de recherche-action d’une durée d’un an. Les chercheurs ont employé l’analyse nexus pour traiter des données qui provenaient des entrevues. Les enseignants ont indiqué que les stratégies ont mené à des occasions d’apprentissage plus structurées, délibérément planifiées et collaboratives. Les élèves se sont adaptés rapidement à la séquence orale, ce qui a permis aux enseignants de promouvoir la communication authentique et pertinente. Les enseignants ont fait appel à la boucle de la littératie pour sous-tendre l’utilisation de la langue cible, autant à l’écrit qu’à l’oral. Les enseignants ont travaillé ensemble à planifier et à enseigner, en groupe d’année scolaire, avec des classes jumelées, comme équipe d’enseignement de l’allemand. Les résultats de l’étude indiquent que les stratégies employées pourraient servir également au développement de la langue cible dans d’autres programmes bilingues similaires.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».