Desarrollo y evaluación de la expresión oral a través de las Tecnologías de la Relación, Información y Comunicación (TRIC) en la enseñanza y aprendizaje de español como lengua extranjera
Notice bibliographique
Résumé
El desarrollo y la evaluación de la expresión oral en la enseñanza y aprendizaje de español como lengua extranjera (ELE) representa uno de los mayores retos que los docentes y alumnos enfrentan. Numerosos estudios revelan la necesidad de poner más atención a la dimensión afectiva como una forma de reducir la ansiedad que suele conducir a los aprendientes a internalizar emociones negativas y perjudiciales en la adquisición de una lengua extranjera. Afortunadamente, con la llegada de las tecnologías de la información y la comunicación (TIC), se ha podido dar paso a nuevas herramientas digitales que buscan dotar al alumnado de una experiencia positiva y significativa, al mismo tiempo que los docentes van más allá de los confines tradicionales que por décadas han dominado el campo de la enseñanza de lenguas extranjeras (LE). Sin embargo, su uso ha resultado limitado en cuanto al rol y tratamiento de la dimensión afectiva, por lo que en este artículo se propone la incorporación de las tecnologías de la relación, información y comunicación (TRIC), como una manera de fomentar el aprendizaje autónomo y experiencial cada vez más demandado por las necesidades y contexto particulares de la nueva generación de aprendientes nativos tecnológicos del siglo XXI. Para contextualizar el uso y aplicación de las TRIC, presentamos una actividad didáctica que consiste en la realización de videos cortos en los cursos de ELE en el departamento de español y portugués de la Universidad de Toronto, Canadá.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».