MétaCan
Menu
Retour à la cohorte
Enregistrement W4281262793 · doi:10.5430/jct.v11n4p247

Pre-Service Primary School Teachers’ English Language Professional Development: Teachers’ Learning Motivations and Developments

2022· article· en· W4281262793 sur OpenAlexvenueno aff
Luis Miguel Dos Santos

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesWoosong University
Mots-clésBachelorGraduation (instrument)CurriculumGovernment (linguistics)PsychologyPedagogyMathematics educationTOEICTest of English as a Foreign LanguageMedical educationEnglish languageEngineeringPolitical scienceMedicineReading (process)

Résumé

récupéré en direct d'OpenAlex

English language teaching is one of the requirements for many Bachelor of Education programmes in Taiwanese education colleges and universities. In Taiwan, English language is considered one of the general education requirements (usually eight credits) for all undergraduate students. Although additional English language courses are not required for graduation, many universities require final-year students to achieve satisfactory grades on the TOEIC (The Test of English for International Communication) exam for graduation. The purpose of this study is to understand the motivations and reasons for the decision of a group of Bachelor of Education (Primary) students to study additional English courses beyond their curriculum. An online-based semi-structured interview tool was employed to recruit and collect data from 20 participants in the School of Education at a Taiwanese university. In line with the Social Cognitive Career and Motivation Theory, two themes were captured: 1) preparation for the TOEIC exam and 2) career promotions and opportunities. This study provides ideas for programme managers, department heads, and government departments for English language training beyond university requirements. Also, the outcomes indicate that exams played important roles in learners’ motivations, particularly in English language learning.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207