Developing an Instructional Innovation Model for Teaching English Tense Structures: A Grounded Theory Study of Teachers’ Classroom Practice and Perceptions
Notice bibliographique
Résumé
Thai EFL learners consistently struggle with English verb tense structures due to fundamental linguistic differences between Thai and English grammar systems, compounded by traditional grammar-translation teaching methods that emphasize rote memorization over meaningful application. Teachers in resource-limited schools lack effective pedagogical frameworks and professional development opportunities to address these persistent challenges in tense instruction. This study aimed to accomplish the following goals: a) identify current pedagogical practices and challenges in teaching English tense structures in small Thai schools, b) examine how teachers implement a newly developed instructional innovation, c) explore teachers’ perceptions and experiences of using the innovation, and (d) develop an emergent, replicable teaching model grounded in actual classroom practice. Drawing on constructivist and sociocultural theories, cognitive load theory, and communicative grammar instruction, this study situated instructional innovation as a means to bridge rule-based and meaning-focused approaches in EFL grammar teaching. A grounded theory qualitative design was employed. Four English teachers from resource-limited primary schools participated in pre- and post-training observations, focus groups, and semi-structured interviews. Open, axial, and selective coding of field notes and transcripts generated the instructional model. The study revealed the EPIRIS model—Elicitation of Knowledge; Presentation; Innovation Use; Retention Practice; Interaction; Summary and Assessment—which organizes effective strategies for teaching tense structures with the innovation. Teachers reported increased confidence, student engagement, and memory retention, despite challenges of time management and mixed-ability classes. The model offers a practical roadmap for EFL teachers in similar contexts and informs professional development programs by demonstrating how multimodal, student-centered innovations can be systematically integrated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».