MétaCan
Menu
Retour à la cohorte
Enregistrement W4406408711 · doi:10.5539/elt.v18n2p11

Teaching Practicums at the Postgraduate Level: Problems, Solutions, and Recommendations

2025· article· en· W4406408711 sur OpenAlexvenueno aff
Listyani Listyani

Notice bibliographique

RevueEnglish Language Teaching · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

In any educational study program, teaching practicums are necessary to be implemented. It often serves as an apprenticeship to give pre-service teachers practical experience regarding the real world of teaching. It is commonly implemented at the undergraduate level. At the postgraduate level, however, this implementation remains controversial. This study was conducted to reveal postgraduate students’ problems and solutions during their teaching practicums. Besides that, this study also aimed to examine and give critical insights into the implementation of teaching practicums at the postgraduate level for educational study program students. Data was retrieved from open-ended questionnaires to 8 postgraduate students about their problems and solutions in doing their teaching practicums. Data was also taken from 7 other respondents. They were practitioners like lecturers, teachers, and alumni from educational departments. The findings revealed that in doing their teaching practicums, the master’s degree students dealt with various problems similar to those faced by their undergraduate counterparts. Another finding disclosed the practitioners’ opinions that for the postgraduate level, the focus of teaching practicums can be altered and implemented in a form other than teaching. It can be research, curriculum development, language teaching technology development, and material development. At the postgraduate level, students are expected to focus on research, not just the practice of teaching.

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)0,013
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,002
Communication savante0,0070,007
Science ouverte0,0040,004
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,151
Tête enseignante GPT0,497
Écart entre enseignants0,347 · 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'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207