Integrating new technologies in university second language instruction : teachers' perspectives
Notice bibliographique
Résumé
This study explores the relationships among technology, language literacy and instruction in University Continuing Education Institutions. Adult second language education strives to update media resources in an information era in which literacy encompasses the abilities to communicate both in different languages and in a variety of media across disciplines. The main assumption underlying this study is that teaching adults to use language in an era in which networks and multimedia are major components, is a challenging task and responsibility. Instructional implications of literature regarding the implementation of new technologies in language learning suggest a persistent disagreement on the merits of new technologies as learning tools and a mismatch between expectations and applications of new media. I interview four teachers of second or foreign languages to adults to explore the challenges embedded in mediating adults' literacy in using multiple representations of second language knowledge within technology enhanced classroom environments. Teachers are shown to integrate digital technologies into traditional print and audiovisual tools to advance three main literacies: Cultural literacy relates to the ability to make socioculturally appropriate links of language and media. Disciplinary literacy denotes the ability to effectively identify, analyze, evaluate and apply language resources in various contexts. Media literacy denotes the ability to make informed choices among the various language representations. Integrated media applications are challenging for teachers who need to be aware of media benefits and constraints. The ongoing development of teachers' media literacy is a prerequisite for meaningful and constructive uses of the instructional resources available that will enable adults to apply second language knowledge within and beyond linguistic, cultural, and disciplinary contexts.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,011 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».