MétaCan
Menu
Retour à la cohorte
Enregistrement W4252674644 · doi:10.1075/lllt.18

Learning and Teaching Languages Through Content

2007· book· en· W4252674644 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueLanguage learning and language teaching · 2007
Typebook
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInterlanguageCurriculumPedagogyContent (measure theory)Computer scienceMathematics educationComprehensionSet (abstract data type)NegotiationLanguage acquisitionPsychologyLinguisticsSociology

Résumé

récupéré en direct d'OpenAlex

Based on a synthesis of classroom SLA research that has helped to shape evolving perspectives of content-based instruction since the introduction of immersion programs in Montreal more than 40 years ago, this book presents an updated perspective on integrating language and content in ways that engage second language learners with language across the curriculum. A range of instructional practices observed in immersion and content-based classrooms is highlighted to set the stage for justifying a counterbalanced approach that integrates both content-based and form-focused instructional options as complementary ways of intervening to develop a learner’s interlanguage system. A counterbalanced approach is outlined as an array of opportunities for learners to process language through content by means of comprehension, awareness, and production mechanisms, and to negotiate language through content by means of interactional strategies involving teacher scaffolding and feedback.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,011
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,277
Écart entre enseignants0,256 · 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