Benefits of Exposing Third-year English Language Student Teachers to Service Learning in One Rural-based University
Notice bibliographique
Résumé
The study explored the benefits of exposing third-year Bachelor of Education students to Service Learning at a rural-based South African University. Service Learning (SL) is a practice that links community service with learning activities to promote substantive learning. This study aimed to explore whether third-year student teachers could benefit from helping first-year student university students acquire literacy skills through SL. The study was underpinned by the Experiential learning theory (ELT). A qualitative research paradigm underpinned by an interpretative epistemology was used in this study. A non-random sampling technique was used to select participants from the Faculty of Education at the participating institution. Data were generated using observing classroom activities, semi-structured and focus group interviews. Data analysis emerged with themes and sub-themes. Overall, the results revealed that the third-year students gained self-confidence, enhanced self-esteem and enhanced academic skills. The study revealed that exposing students to SL made them gain academic knowledge, cognitive skills, interpersonal skills, and self-confidence as they endeavoured to put theoretical knowledge into practice. As a pedagogy, SL created an enabling environment for learners to express themselves freely – thereby creating space for the expression and consolidation of new experiences. Thus, the study suggested that SL be incorporated into pre-service teacher education programmes from the first year in a spiral curriculum modality up to the fourth (last) year of study. Incorporation of SL into teacher education programmes may be done by infusing it into School experience modules as proposed by the participants.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».