MétaCan
Menu
Retour à la cohorte
Enregistrement W4392050231 · doi:10.5430/jct.v13n1p242

Theoretical Foundation for Developing Instructional Guide for China Pre-Service EFL Teachers to Teach Phonics

2024· article· en· W4392050231 sur OpenAlexvenueno aff
Min Jie Chen, Guojie Yin, Raja Nor Safinas Raja Harun, Wei Lun Wong, Swaran Singh Charanjit Kaur

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhonicsFoundation (evidence)ChinaMathematics educationPsychologyPedagogyPolitical sciencePrimary education

Résumé

récupéré en direct d'OpenAlex

In China, the absence of a phonics instructional guide hinders pre-service EFL teachers’ preparation for phonics instruction. To bridge the gap, the purpose of this article is to lay the theoretical groundwork for developing a phonics instructional guide for Chinese pre-service EFL teachers and then to produce a research methodology for this instructional guide. The Bottom-up Theory of Reading Process; the S-R Theory with Reinforcement, particularly Instrumental Conditioning; and the Trial-and-Error Theory of Learning all have pedagogical implications for implementing explicit and systematic phonics instruction for EFL beginners in China. Additionally, in conjunction with the Andragogy Theory of Adult Learning, these theories provide a theoretical foundation for instructional design. Following the ADDIE sequential framework, a multi-phase mixed methods experimental design was used to collect data from 254 representative samples chosen through a stratified random sampling technique. The findings indicate that within the theoretical framework and with the incorporation of specific design frameworks into the ADDIE sequential framework, the instructional guide was successful, although some refinement is still needed. Furthermore, the findings suggest that additional research could be conducted on advanced evaluation levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,304
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207