MétaCan
Menu
← Retour à la cohorte
Enregistrement W7006689065

University instructors' perceptions of their ability to teach in their second or other language: an exploratory study

2017· dissertation· en· W7006689065 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2017
Typedissertation
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExploratory researchPerceptionLearner autonomyPopulationSecond languageLanguage educationHigher educationObstacle
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Compte tenu de la diversité du corps étudiant et professoral dans les universités canadiennes, il serait erroné de tenir la compréhension mutuelle de la langue orale pour acquise.En effet, des membres du corps professoral qui sont des locuteurs non natifs de la langue d'instruction (LNNLI) ont exprimé leurs réserves quant à leur capacité d'enseigner dans une langue seconde ou tierce (LST) (Richardson, McBey, et McKenna, 2006).De plus, certains étudiants pensent qu'un professeur qui est « difficile à comprendre » (en ce sens que la langue d'instruction est sa LST) a des conséquences néfastes sur leur apprentissage (Lambert et Usher, 2013, p. 13).Nous en savons encore trop peu sur les perceptions des LNNLI par rapport à leurs capacités d'enseignement dans leur LST.Cette étude exploratoire à méthodologie mixte s'est penchée sur la perception de la confiance en soi (ou sentiment d'efficacité de l'enseignant, SEE) des LNNLI en situation d'enseignement dans leur LST.Malgré les études réalisées sur le SEE des professeurs à l'université (comme l'ont démontré les travaux de Chang, Lin, et Song, 2011; Hemmings, 2015; Prieto Navarro, 2005) et que d'autres études ont examiné le SEE en situation d'enseignement des professeurs qui employaient une LST (comme dans Chacón, 2005; Eslami & Fatahi, 2008), à ma connaissance, aucune étude ne s'est penchée sur ces deux domaines combinés.En utilisant comme cadre conceptuel la théorie d'efficacité personnelle de Bandura (1977, 1997), j'ai posé la question de recherche suivante : comment les professeurs (titularisés et non titularisés) à l'université qui sont des locuteurs non natifs de la langue d'instruction (LNNLI) perçoivent-ils leur habileté à enseigner dans leur langue seconde ou tierce (LST) ?Les données ont été recueillies auprès de deux groupes de participants à l'aide d'entretiens semi-structurés et d'un questionnaire (n=14) dans des universités canadiennes anglophones (n=9) et francophones work conditions to pursue my education; and thesis examiners, Dr. Donna Ellis and Prof.Caroline Riches, for providing insightful comments and posing stimulating questions.Finally, I owe much to my parents and brother for fostering in me the value of education, and for demonstrating that learning is lifelong and knows no bounds.viii

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,269
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetEFL/ESL Teaching and Learning→Travaux en français237 207→