A New Intercultural Model for Teaching Russian as a Foreign Language at European Level
Notice bibliographique
Résumé
This paper presents a new experimental intercultural theoretical and operative model for RFL (Russian as a Foreign Language) teaching at European level: the RETEACH model. As a descriptive–normative didactic model, RETEACH builds on the intercultural approach, seeking to foster the development of intercultural communicative competence (ICC) among students. RETEACH promotes respect, understanding, and solidarity among individuals and encourages critical awareness of various issues, such as multiple identities, fuzzy cultural borders, power-related intercultural dynamics, and avoidance of stereotyped representations. The model is grounded in three specific concepts and areas within the foreign language and RFL fields: 1) the use of authentic texts, 2) the role of literature, and 3) textbook theory. The model was tested through two case studies, which investigated the place of culture in RFL classes in Lithuania and Italy (Case Study 1) and in RFL textbooks employed in Italy (Case Study 2). Three different research methods were employed: action research, classroom observation, and comparative content analysis. The findings indicate that the proposed model can boost the development of ICC in RFL learners, thus addressing some general issues with RFL teaching in the European context. There are several theoretical and practical implications of the RETEACH model: 1) combining RFL theory and practice, 2) improving the intercultural approach due to the use of authentic materials, 3) enabling the use of Russian literature to develop ICC, and 4) promoting a complex and critical image of Russia.
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 | 0,003 | 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 ».