MétaCan
Menu
Retour à la cohorte
Enregistrement W4317905752 · doi:10.1177/13621688221148449

K-12 content teachers designing language tasks: A follow-up to Erlam, 2016

2023· article· en· W4317905752 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLanguage Teaching Research · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTask (project management)PsychologyMathematics educationForeign languageLanguage educationComputer science

Résumé

récupéré en direct d'OpenAlex

This study, a follow-up to the research reported by Erlam, investigated K-12 content teachers’ ability to design tasks for content instruction in U.S. schools. Thirty-nine K-12 teachers who were enrolled in an English as a second language (ESL) teaching methods course participated in the study and each designed two language learning tasks. Two researchers rated the tasks following Ellis and Shintani’s four task criteria, as in Erlam. The study addressed the questions: (1) How successful are content teachers in designing tasks that satisfy Ellis and Shintani’s criteria? (2) Which of the criteria do teachers find easiest and most difficult to satisfy? and (3) Do the teachers improve in meeting the criteria in a second round of task designs? Ninety-two percent and 95% of the tasks satisfied three of the four criteria in task designs 1 and 2, respectively. The teachers excelled most at creating contexts for meaningful communication (92%) and including an information gap (92%) in their first tasks. Incorporating a clearly defined outcome was the most difficult criterion (66%) for teachers to achieve. There was no significant improvement from Task 1 to Task 2 in successfully incorporating the four criteria. The content teachers incorporated more of the task features than the foreign language teachers in Erlam. Over 90% met the majority of the criteria, compared to 82% in Erlam’s study. Another important difference was that participants in Erlam’s study found the easiest criteria to address was including an outcome, and they struggled most to allow learners to use their own linguistic resources and incorporate a gap. The content teachers in the follow-up study struggled most to include an outcome, but consistently incorporated communication gaps and grew in their ability to ensure that learners use their own linguistic resources. This suggests that language teachers may focus more readily on language forms, while content teachers focus more on meaningful content than on language, providing support for learners to focus on meaning.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,184
Tête enseignante GPT0,389
Écart entre enseignants0,204 · 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