A phenomenographic study on Chinese EFL teachers’ cognitions of positive and negative educational, social, and psychological consequences of high-stake tests
Notice bibliographique
Résumé
This study explores the multifaceted cognitions of Chinese English as a Foreign Language(EFL) teachers concerning the positive and negative consequences of high-stakes tests. The prevalence of high-stakes testing in the Chinese educational system underscores the need to understand teachers' perspectives on the potential impacts of such assessments. The main aim is to phenomenographically investigate the various educational, social, and psychological consequences as perceived by EFL teachers. Additionally, the study aims to identify common themes and variations in teachers' cognitions, shedding light on the complexity of their perceptions. The study employs a qualitative phenomenographic approach and involves in-depth interviews with 30 Chinese EFL teachers. Thematic analysis was utilized to categorize and interpret the identified themes related to positive and negative consequences. The findings reveal a range of cognitions among EFL teachers, delineating positive outcomes, such as enhanced educational quality and recognition, alongside negative repercussions, including narrowed curriculum and increased stress. The axial and basic themes comprehensively understand teachers' perspectives on high-stakes testing. The study summarizes the identified themes and highlights their implications for educational practices and policies. Recognizing both positive and negative consequences emphasizes the nuanced impact of high-stakes tests on EFL teachers. The implications extend to curriculum design, teacher training, and the broader educational landscape, stressing the need for a balanced approach to assessment practices.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| 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 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 ».