ESL Writing Instruction in K-12 Settings: Pedagogical Approaches and Classroom Techniques
Notice bibliographique
Résumé
Writing is an important literacy skill that K-12 students must develop for academic success. For young ESL students, developing writing skills entails both learning English and developing writing as a literacy skill. The need for this dual skill development underlines the challenges of teaching K-12 ESL writing, as teachers must strike a balance between teaching writing as a tool for students’ English language development and literacy skill. This paper reports on findings related to pedagogical approaches and classroom techniques that are prevalent in K-12 ESL writing instruction. Our research is based on a systematic review of 49 studies published between 2010 and 2019. Using content analysis, three pedagogical approaches were identified: (a) approaches centered on teacher perspectives, (b) approaches centered on student perspectives, and (c) approaches centered on emerging research and theories of ESL writing instruction. As well, the analysis yielded four classroom techniques: (a) adopting SFL-oriented and genre-based activities, (b) utilizing ESL-bilingual student writers’ language learning traits, (c) incorporating digital technology, and (d) adapting instructional practices in response to student needs. Critically reflecting on these pedagogical approaches and classroom techniques, the paper discusses the advantages and challenges of implementing them in the classroom. The paper provides a taxonomy of instructional practices that K-12 ESL writing teachers may find useful.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».