MétaCan
Menu
Retour à la cohorte
Enregistrement W4288751413 · doi:10.5539/ijel.v12n5p19

EAL Teachers’ Beliefs About the Assessment of Language Learning in State-Funded Primary and Secondary Schools

2022· article· en· W4288751413 sur OpenAlexvenueno aff
Raíssa de Souza Mendes, Maria Luiza Fernandes da Silva Pimentel, Maria da Conceição Queiroz Vale, Nilton Hitotuzi

Notice bibliographique

RevueInternational Journal of English Linguistics · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentContext (archaeology)Divergence (linguistics)National curriculumCurriculumConvergence (economics)Mathematics educationPsychologyPedagogyState (computer science)Medical educationSociologyMedicineGeographyComputer scienceEconomic growthLinguistics

Résumé

récupéré en direct d'OpenAlex

This study presents the results of an investigation on beliefs about learning assessment involving nine in-service EAL (Note 1) teachers from state-funded primary and secondary schools in Santarém, western Pará, Brazil. It capitalises on authors who discuss beliefs in the educational context, considering general learning assessment, English learning assessment, and beliefs about teaching English in state-funded schools. Data were gathered by means of semi-structured interviews and analysed following the principles of content analysis as an attempt to find points of convergence and divergence among the beliefs found. Results indicate that most of the participants’ beliefs are not consistent with the Brazilian National Curriculum Parameters for teaching additional languages, and that the participants appear to misunderstand the concepts of feedback, and diagnostic, formative, and continuous assessments. These findings can be used to improve proposals for initial and continuing education of EAL teachers both in western Pará and in the other regions of the country, as a means to promote their compliance with the National Curriculum Parameters.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,001
Science ouverte0,0000,002
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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSecond Language Learning and TeachingTravaux en français237 207