The agency development of teachers of an additional language via immersive VR telecollaboration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Teacher agency is essential for professional growth and teachers’ ability to support transformative student learning. This study looks into the potential of virtual reality (VR) as a joint practice teaching and reflective discussion environment for achieving language teacher agency. A group of teachers of an additional language (LX) participated in a telecollaborative project. They were provided with VR devices and language learning software, Immerse, for practice teaching and reflective discussions after each VR teaching. The data of this qualitative study were video recordings of the teaching and discussion sessions and the participants’ answers to an end-of-project questionnaire based on the Cognitive Affective Model of Immersive Learning (CAMIL) by Makransky and Petersen in 2021. The video recording analysis results showed that the participants used almost all the teaching facilitation functions (e.g., tools that allowed teachers to present content, conduct classroom management, and monitor students) provided by Immerse. The themes that emerged from the participants’ reflective discussions analysis also indicated mutual support for teacher agency development. Their responses to the questionnaire revealed that taking advantage of the teaching facilitation functions reflected the factors affecting learner agency as outlined in the CAMIL model. The findings of this study provided empirical evidence that VR environments can be a viable choice for teacher intercultural collaboration in which teachers of different backgrounds and experiences could together explore the potentiality of VR for teaching an additional language, sustain one another’s growth, and achieve teacher agency.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle