MétaCan
Menu
Retour à la cohorte
Enregistrement W4236557037 · doi:10.29057/lc.v2i3.6139

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

2020· article· es· W4236557037 sur OpenAlexaffabout
Juan Carlos Rocha Osornio

Notice bibliographique

RevueRevista Lengua y Cultura · 2020
Typearticle
Languees
DomaineComputer Science
ThématiqueEducational Technology in Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

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 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)0,011
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0070,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,019
Tête enseignante GPT0,337
Écart entre enseignants0,319 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevista Lengua y CulturaMême sujetEducational Technology in LearningTravaux en français237 207