MétaCan
Menu
Retour à la cohorte
Enregistrement W4408345439 · doi:10.22329/jtl.v19i1.8814

Bridging Theory and Practice: The Role of Experiential Learning and Mentorship in Enhancing the Transition from University to High-School Teaching for Pre-Service English Teachers

2025· article· en· W4408345439 sur OpenAlexvenueno aff
Mai Phuc Thinh

Notice bibliographique

RevueJournal of Teaching and Learning · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMentorshipExperiential learningBridging (networking)Transition (genetics)Mathematics educationPedagogyPsychologyMedical educationComputer scienceMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

This study investigates the transition of pre-service English teachers from university to high-school teaching, focusing on the challenges of applying theoretical knowledge in practical classroom settings. The research highlights how the integration of experiential learning and mentorship can effectively bridge the gap between theory and practice. Through a qualitative analysis of pre-service teachers in the Mekong Delta region of south-western Vietnam, this study identifies key challenges such as classroom management, student engagement, and the implementation of student-centred teaching methods. It also explores the transformative impact of hands-on teaching experiences and mentor guidance on the professional development of these teachers. The findings suggest that incorporating more experiential learning opportunities and structured mentorship into teacher-education programs can significantly improve pre-service teachers' preparedness for high-school teaching. This study underscores the need for educational reforms that emphasize practical training, alongside theoretical instruction, to enhance the effectiveness of teacher 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 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)0,031
score de la tête « metaresearch » (Gemma)0,033
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,014
Communication savante0,0120,007
Science ouverte0,0020,013
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,008
Tête enseignante GPT0,341
Écart entre enseignants0,333 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetReflective Practices in EducationTravaux en français237 207