Developing Second Language Learners’ Sociolinguistic Competence: How Teachers’ CEFR-Related Professional Learning Aligns with Learner-Identified Needs
Notice bibliographique
Résumé
This article explores how teachers’ professional learning about the Common European Framework of Reference (CEFR) can re-orient their reported teaching practices to meet learner-identified sociolinguistic needs. To this end, the article first examines learners’ sociolinguistic needs by exploring the extent to which post-secondary French-as-a-second-language (FSL) learners, who completed their elementary and secondary schooling in Ontario, Canada, believe that they have successfully developed sociolinguistic competence in their target language. Specifically, it considers the learners’ assessment of their sociolinguistic abilities, the types of sociolinguistic skills they wish to develop further, a comparison with their actual sociolinguistic performance, and the ways in which they hope to develop the sociolinguistic skills they feel they lack. Second, the article explores Ontario elementary- and secondary-school FSL teachers’ reported focus on sociolinguistic competence in their teaching after having engaged in intensive and extensive CEFR-oriented professional learning. Specifically, it considers how the teachers’ professional learning influences the sociolinguistic relevance of their planning, classroom practice, and assessment and evaluation. The article concludes by considering whether the degree of “fit” between the learners’ self-identified needs and the teachers’ reports of their re-oriented practices is poised to improve the sociolinguistic outcomes of Ontario FSL learners.
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 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».