Backward design and authentic performance tasks to foster English skills: Perspectives of Hungarian teacher candidates
Notice bibliographique
Résumé
This quasi-experimental research aimed to describe the syllabus design process using the backward design model and its features to determine the teacher candidates’ perceptions of its application in the English Skills Development course. To achieve these objectives, the syllabus based on the BDM was designed before starting the course; after that, it was applied to sixteen students enrolled in a teacher preparation program at a Hungarian university in Budapest. At the end of the course, the participants developed sixteen final projects related to the main topic of the course, teaching English as a Foreign Language in Hungary and following the Goal, Role, Audience, Situation, Product, Standard (GRASPS) framework to conduct authentic performance tasks. This research method involves collecting data through written reflections, focus-group interviews and content analysis of the conducted performance tasks. The results show that BDM and authentic performance tasks can be used as a coherent, organized, and flexible syllabus design that supports EFL students by providing differentiated instruction to foster their English skills, creativity, problem-solving and critical thinking skills, long life and autonomous learning, and digital competencies. Furthermore, the results of the study make an essential contribution to the context of EFL by suggesting that planning the syllabus based on the BDM creates strong connections between course objectives, assessment, content, teaching strategies, and technology, thereby offering a practical framework for educators to enhance their teaching practices in the digital age.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».