Theme-Based, Sheltered, or Adjunct? Evaluating CBI Models for Improving English Reading Skills in Chinese EFL Classrooms
Notice bibliographique
Résumé
Content-Based Instruction (CBI) has been widely promoted as an effective approach for integrating language development with subject matter learning in English as a Foreign Language contexts. However, limited empirical evidence exists comparing the effects of different CBI models on students’ reading proficiency, particularly within Chinese tertiary education. Existing studies often focus on general outcomes or perceptions, leaving a gap in understanding how specific instructional models influence distinct reading sub-skills. This study aimed to address this gap by comparing the effectiveness of three CBI models (theme-based, adjunct, and sheltered) on university students’ English reading proficiency, focusing on three sub-skills: understanding explicit information, understanding implicit information, and using linguistic features to understand texts. Employing a mixed-methods design, the study involved 105 Chinese university students across three intact classes, with quantitative data collected from the English reading pretest and posttest and qualitative data collected from classroom observations and semi-structured interviews. Quantitative results indicated that while all groups improved significantly from pretest to posttest, the theme-based model led to significantly higher gains in total reading scores and in the ability to use linguistic cues. Qualitative findings suggested that the instructional design, input organization, and opportunities for textual scaffolding varied across models and contributed to the outcomes. These findings offer practical implications for EFL curriculum planners and educators seeking to align reading instruction with model-specific strengths for more effective literacy development.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».