MétaCan
Menu
Retour à la cohorte
Enregistrement W4385377229 · doi:10.5539/elt.v16n8p146

The Perspective of Pre-Service Teachers through Synchronous Learning According to Coaching and Mentoring: SAIFON Guidelines

2023· article· en· W4385377229 sur OpenAlexvenueno aff
Saifon Songsiengchai

Notice bibliographique

RevueEnglish Language Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics educationCoachingContext (archaeology)PopulationGrounded theoryPerspective (graphical)Qualitative researchTeaching methodSample (material)Service (business)PedagogyMedical educationChemistryMedicineComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

This research aims to enhance pre-service teachers' English language teaching ability in the 21st Century toward SAIFON guidelines. The population consists of 40 Rajabhat University pre-service teachers, and the sample group consists of 25 students of fifth-year pre-service teachers. They studied in the second semester of the 2020 academic year. The tools used in the research are 1) Need analysis, 2) In-depth interview, and  3) Field notes. Mixed Method research includes Qualitative Research,  In-depth interviews, Field notes, using content analysis and coding techniques for grounded theory, and quantitative research consists of a Need analysis.   The results revealed that:       Pre-service teachers enhance teaching English ability in the 21st Century toward SAIFON guidelines that consisted of eight aspects: 1) S = Survey the teachers' needs, 2) A= Associating with a plan, 3)  I = Instructing teaching strategies, 4) F = Feedback on teaching demonstration, 5) O = Observing teaching in the actual context, and 6) N = Notifying problems and solutions. Furthermore, it included pre-service teachers' perspectives on Synchronous Learning in three aspects: impressions, problems, and solutions.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,393
Écart entre enseignants0,361 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207