MétaCan
Menu
Retour à la cohorte
Enregistrement W4389434904 · doi:10.1515/eduling-2023-0019

CACTI: Co-developing awareness of bi/multilingual classroom practices with a professional development survey instrument

2023· article· en· W4389434904 sur OpenAlexaff
Anna Mendoza, Jiaen Ou, Shakina Rajendram, Andrew Coombs

Notice bibliographique

RevueEducational Linguistics · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensMemorial University of NewfoundlandUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMultilingualismTranslanguagingPedagogyProfessional developmentMathematics educationClass (philosophy)PsychologySociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper introduces an instrument, the Classroom Approaches to CLIL and Translanguaging Inventory (CACTI), to help primary and secondary teachers and academic researchers collaboratively develop awareness of bi/multilingual practices when academic subjects are taught in English. While teachers can develop explicit awareness of their language policies and practices, and of critical gaps that require action toward more equitable and productive learning spaces, researchers can learn what different bi/multilingual practices mean to teachers, and what concerns are salient for teachers regarding these practices. The practices may include (1) teaching for knowledge transfer across languages, (2) cultivating linguistic analysis skills, (3) raising critical awareness of the value placed on different languages in society, (4) developing bi/multilingualism and bi/multiliteracies, and (5) involving ALL students’ languages in the social and academic life of the class, even if they are not the official medium of instruction. Besides explaining what brought us to develop the CACTI, we illustrate two ways it can be used for collaborative reflection, one with pre-service teachers and one with in-service teachers. For each application, we discuss how our understanding was challenged by teachers, and what insights we offer for teachers on theirs.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,685
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,126
Tête enseignante GPT0,378
Écart entre enseignants0,252 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueEducational LinguisticsMême sujetSecond Language Learning and TeachingTravaux en français237 207