The Development of a Task-Based Chinese Speaking Instructional Model for Chinese as a Foreign Language Learners in Thailand
Notice bibliographique
Résumé
This research aimed to (1) develop a task-based Chinese speaking (TBCS) instructional model to enhance the Chinese speaking skills of beginner-level Thai learners studying Chinese as a foreign language (CFL), (2) implement the developed TBCS instructional model with beginner-level Thai CFL learners for refinement, and (3) evaluate the suitability of the developed model by seeking experts’ opinions. The participants of this research included 5 experts specialized in instructional model design and teaching Chinese as a foreign language, as well as 22 beginner-level Thai CFL learners enrolled in a Chinese program at a public high school in Thailand. Research instruments included the TBCS instructional model with 12 lesson plans and the expert evaluation form. The collected data were analyzed by using mean, standard deviation, and percentage. The research findings revealed that (1) the developed TBCS instructional model consisted of 7 key elements: goals and assumptions, teaching procedures, learning environment, principles and reactions, support system, application, and instructional and nurturant effects, with the teaching procedures comprising of 4 major steps: activate prior experience, build language skills, carry out tasks, and deepen understanding, (2) the students had successful speaking performance after studying through the developed model, and (3) the suitability of the developed TBCS instructional model was evaluated by experts at the highest level.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».