Teachers’ Classroom Roles under CLIL: A Ten-Year Systematic Review
Notice bibliographique
Résumé
Content and Language Integrated Learning (CLIL) has garnered global popularity in foreign language education, particularly in teaching English. While there is a plethora of research on the general perceptions of CLIL teachers, the examination of their classroom roles remains largely unexplored. This article reviewed 31 studies from 2014 to 2023 using the PRISMA framework to explore: (1) CLIL teachers’ perceptions on their classroom roles in existing studies; (2) factors influencing CLIL teachers’ classroom roles; (3) ideal roles for CLIL teachers according to the literature; (4) strategies to help improve CLIL teachers’ roles in the classroom. Findings reveal that the majority of CLIL teachers perceived the integration of language and content teaching as central to their classroom role, although some placed greater emphasis on language instruction than content teaching, and vice versa. Internal factors like teachers’ understanding of CLIL and external factors such as students’ level of proficiency in the target language influence teachers’ roles. CLIL teachers should be also tasked with cultivating students’ cognitive skills and contemplating the utilization of the first language when deemed necessary for the success of CLIL. Several strategies were identified through the review to enhance the roles of CLIL teachers, including training, professional development, and support from educational authorities. Future empirical research is needed to validate the discussed strategies for the development of CLIL teachers and to focus on optimizing the balance between the use of target languages, such as English, and L1 in CLIL-based classrooms to enhance outcomes in foreign language education.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».