Empirical analysis of teacher-student interaction patterns in synchronous online learning: Teaching English as a Foreign Language in Vietnam
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Synchronous online learning (SOL) is becoming a common learning modality among students in higher education. However, concerns remain about student loneliness, stress, anxiety, and social isolation arising from reduced face-to-face interaction. Students’ language learning often depends on teacher-student interaction, an important element of language acquisition. While studies examine interaction types and their frequencies, how these occur in SOL needs more focus. This exploratory study explored various interaction patterns between a university teacher and students in an online English class delivered through Microsoft Teams. Interaction transcript data were extracted from fourteen SOL sessions and analyzed using Content and Thematic Analyses. The findings reveal five interaction patterns: Moving along, Coaxing, Degrading, Demanding, and Polling. Data were further analyzed for prevalence and frequencies. Moving along was the most prominent pattern observed in the data. In this pattern, the teacher tends to progress the learning activities after observing students performing satisfactorily on a given task. Coaxing was the second frequently observed pattern. It entails the teacher encouraging interaction among students when they sense students are delaying their response to particular activities, stimulating in-depth discussion. Degrading and Demanding were the least common patterns to students’ unsatisfactory responses. Polling interaction patterns occurred fairly often when students were given time and space to respond to the teacher’s query, intended to improve engagement. The study provides a generic and practical view of interaction patterns in SOL and implications for teaching and learning in SOL environments.
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.
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 | 0,007 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| 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 | 0,006 |
| 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 découle