Identification of Content Knowledge Required for Chinese Pre-service EFL Teachers to Teach Phonics
Notice bibliographique
Résumé
Empirical studies have shown that pre-service EFL teachers were not well prepared to teach phonics because they lacked a phonics instructional guide. To develop the guide, the required knowledge should include reference to a needs assessment at the initial stage of instructional design. This study aimed to identify the required knowledge with which pre-service EFL teachers can teach phonics. A survey was issued to 146 school EFL teachers who were appointed as practicum supervisors from five full-fledged schools, a focus group discussion was held among 7 EFL group directors, and a focus group discussion was conducted among 5 teacher educators. The results revealed that 7 knowledge dimensions generalised from the literature were consolidated as required knowledge, including i) phonics-related knowledge; ii) decoding rules; iii) phonics instruction approaches; iv) sight words instruction; v) sound system knowledge; vi) phonemic awareness; and vii) rule-maintenance approach. Three new findings also emerged. First, a knowledge discrepancy was identified in understanding the National English Curriculum. Second, further investigation is needed into the Curriculum Design and Study of the Curriculum and Textbooks courses in teacher preparation program. The third is the suggestion to include curriculum design and lesson planning within the knowledge required by EFL group directors, through which enlightened educators include lesson plans in the phonics instruction approaches section in the guide. Most importantly, the identified required knowledge would provide the prerequisites for investigating pre-service EFL teachers’ present knowledge and their desired changes needed to develop a guide that prepares them to teach phonics.
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 | 0,001 |
| 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) | 0,000 | 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 ».