Exploring Secondary School EFL Teachers’ Assessment Literacy in Practice: A Case Study in China
Notice bibliographique
Résumé
Assessment literacy (AL) has emerged as an important research field during the past decade, yet it remains a great challenge for secondary school EFL teachers in China to appropriately enact their assessment literacy. Due attention needs to be paid to research upon teachers’ conceptions of assessment (CoA) and assessment practice. Based upon a semester’s observation of the English classes in a secondary school in China, weekly meetings on English teaching and research, a focus group interview, individual interviews, documents such as the participants’ lesson plans and reflective journals, this qualitative study aims at exploring: (1) what are the conceptions of assessment of the participating secondary EFL teachers? (2) what is the teachers’ assessment literacy in practice (TALiP)? (3) How could their assessment literacy be enhanced?  Self-reported findings show that the EFL teachers have a wide scope of conceptions of assessment and individual variations in their assessment practices. The former range from knowledge of assessment purposes and criteria to regarding assessment as learning (AaL), and the latter from giving instant feedback of nodding or simple comments to practicing assessment for learning (AfL) in classroom teaching. Findings from observation also reveal that when tempting AaL, the participants could generally achieve AfL to some extent. Implications for further teacher professional development are discussed concerning how to enhance assessment literacy mentoring in internship and in-service training.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».