The Effect of Technology Based Instruction Lesson Plan on EFL Pre-Service Teachers’ TPACK Self-Efficacy
Notice bibliographique
Résumé
This study aims at delving into the effect of applying TbI (Technology based Instruction) lesson plan to pre-service teachers’ (PSTs) Technological Pedagogical Content Knowledge (TPACK) self-efficacy in a microteaching course. TbI lesson plan was developed following Niess’s technology integration framework. The experimental research with pre-post measurements design was conducted in an English Department in a public university in West Nusa Tenggara, Indonesia. The data-gathering process was done by administering the TPACK self-efficacy questionnaire and conducting a semi-structured interview. The participants were 23 PSTs who joined a microteaching course where the researcher became the teacher. The quantitative data were analyzed statistically through SPSS 24 version and supported by the PSTs responses which were thematically analyzed. The results showed that the treatment affected positively to PSTs' self-efficacy which was later recommended to inhibit technological knowledge prior to other TPACK divisions to PSTs. This favorable effect was confirmed by six participants' post-interview comments, in which they claimed all of the benefits of using a TbI lesson plan to improve their microteaching performance and confidence to use technology for EFL teaching. Henceforth, this study implies the urgency to apply similar instruction to mediate challenges of technology integration in EFL teaching.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».