Use of podcasts in STEM, CLIL-implemented subjects to improve oral production skills of secondary school students
Notice bibliographique
Résumé
In today’s world technological and language skills appear to be essential in order to success in the labour market. Foreign language learning has been around since ancient times and pedagogical methodologies have been many and varied. In modern history, Canadian immersion programmes were the starting point of Content and Language Integrated Learning (CLIL) methodologies in Europe in the mid-1990s. The EU has encouraged the adoption of programmes and methodologies that foster proficiency in, at least, two additional EU languages and, thus, CLIL have become a very popular methodology in the EU. CLIL has another noteworthy characteristic, that is, it emphasises the learning of content through the use of a FL. STEM professions, that is, technological, scientific and engineering careers require high skilled professionals and the final products are of high added value. Unfortunately, the number of students in STEM classes or degrees has decreased in the last few decades. STEM subjects are regarded as uninterested and difficult due to the oftentimes abstract theory and their quality has been found somewhat lacking. In order to attract a higher number of students, steps to make STEM subjects more attractive have been taken, such as real-life application of their content. Podcasts are downloadable audio recordings that have been mainly used in higher education as supplemental materials. They have also been used as a tool to teach FL, paying special attention to oral productive and comprehensive skills. There is a dearth of studies on the use of podcasts as a STEM, CLIL learning tool, particularly student-generated ones. In the few studies available, students have expressed their higher motivation, satisfaction and engagement when learning content. Therefore, a combination of all three, that is, STEM, CLIL student-generated podcasts should provide a positive influence on students’ content- and language-knowledge acquisition. Resumen: Para poder triunfar en el mercado laboral actual, los conocimientos tecnológicos y lingüísticos resultan imprescindibles. El aprendizaje de idiomas es un fenómeno conocido desde la antigüedad y las metodologías empleadas han sido variadas. Más recientemente, los programas canadienses de immersión fueron el origen de la metodología AICLE (Aprendizaje Integrado de Contenidos y Lenguas Extranjeras) en Europa a mediados de los 90. La UE ha abanderado la adopción de programas y metodologías que promuevan dominar, al menos, dos idiomas de la UE, además de la lengua materna, por lo que AICLE es muy popular. Además, la AICLE permite el aprendizaje de contenido a través de un idioma extranjero. Las profesiones tecnológicas, científicas e ingenieriles (STEM) requieren profesionales altamente cualificados y producen productos de alto valor añadido. Desafortunadamente, el número de alumnos en estas carreras se ha reducido en las últimas décadas pues consideran estas asignaturas poco interesantes y complicadas ya que, con frecuencia, son muy abstractas y la calidad de la enseñanza deficiente. Para atraer un mayor número de alumnos, se han tomado los pasos necesarios para hacerlas más atractivas como, por ejemplo, con la aplicación de lo aprendido a la vida real. Los podcasts son archivos de audios descargables que se usan sobre todo en la educación universitaria como material de apoyo, aunque también se usan en la enseñanza de idiomas para mejorar la producción y comprensión oral. Existen pocos estudios en los que se utilicen podcasts, en especial creados por alumnos, como recurso en asignaturas STEM/AICLE. Sin embargo, en ellos los estudiantes han expresado una mayor motivación, satisfacción y participación cuando se usaban para aprender contenido. Por ello, el uso de podcasts creados por alumnos en asignaturas STEM/AICLE podría ejercer una influencia positiva en la adquisición de conocimientos de los contenidos y de una lengua extranjera
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».