Language Teachers’ Beliefs About Teaching the Present Perfect Tense
Notice bibliographique
Résumé
The growing body of teachers’ cognition research suggests that language teachers’ decisions about grammar teaching are influenced by what they know, think, and believe. While previous research highlights that learning the present perfect tense is challenging for foreign language learners, little research discussed teachers’ beliefs about how these challenges are addressed in language classrooms. To bridge this gap and contribute more broadly to teacher cognition research, this study sought to explore teachers’ beliefs about teaching the simple present perfect tense to foundation year students at an English language center at a University in Saudi Arabia. The basic qualitative research design was adopted, and semi-structured interviews were conducted with 13 teachers of English as a foreign language. The findings suggest that teachers had positive views about the value of teaching present perfect tense which were rooted in their apprentice of observation, pedagogical content knowledge and the textbooks. They viewed grammar as an integral component of language learning and perceived teaching grammar implicitly as an ideal approach to enhance language proficiency. However, their reported practices reflected conflicting explicit grammar teaching approach. The reported challenges to implicit grammar teaching were the learners’ proficiency levels, lack of an equivalent grammatical structure in learners’ native language, contrastive analysis, and translation. It was suggested that teachers’ decisions about teaching the present perfect tense were driven by focus-on-form rather than focus on forms approach. The implications for teaching the present perfect tense are discussed and recommendations for future grammar teaching research are highlighted.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».