Teaching additional language to students with special educational needs : a case study of Quebec intensive english teacher cognitions
Notice bibliographique
Résumé
La présente étude a permis d'observer les cognitions de trois enseignants d'anglais intensif (AI) concernant les élèves handicapés ou en difficulté d'adaptation ou d'apprentissage (EHDAA) dans leurs classes en remplissant un questionnaire en ligne, accompagné d’une entrevue semi-structuré avec l'une des participantes afin de discuter de ses réponses au questionnaire. L'objectif était de répondre aux deux questions de recherche suivantes : 1.) Quelles sont les croyances des enseignants d'AI en ce qui concerne la présence d’EHDAA dans leurs classes ? et 2.) Quels sont les facteurs qui influencent les croyances des enseignants d'AI en ce qui concerne la présence d’EHDAA dans leurs classes ? Le questionnaire en ligne comportait trois sections, chacune portant sur un thème différent lié aux EHDAA : le niveau de difficulté des différents cours de L2, les pratiques à préconiser relativement au placement et la convenance des différents environnements d'apprentissage. Chaque section comportait des questions centrées sur trois contextes d'apprentissage distincts pour les EHDAA : la classe ordinaire, les cours de L2 et les programmes d’AI spécifiquement. Les résultats de cette étude comprenaient des données sur les croyances des enseignants de l'AI concernant les EHDAA, qui variaient selon si les EHDAA étaient classés en fonction de leurs besoins ou de leurs diagnostics. Le type de classification des EHDAA a donc été rapporté comme un facteur ayant un impact sur les croyances des participants. Cependant, les mêmes diagnostics ou besoin de support ont été associés à un placement dans une classe d’éducation spécialisée ou régulière de manière constante dans le questionnaire, et ce pour les trois contextes d'apprentissage mentionnés. Un impact minime sur les croyances des participants a donc été attribué à ces deux facteurs. De plus, les problèmes systémiques rencontrés par les EHDAA, en particulier en ce qui concerne l'accès à un diagnostic officiel, sont ressorties en tant que facteur important influençant les croyances des enseignants d’AI. L'impact des expériences antérieures avec les EHDAA et de la formation additionnelle ont également été cités dans l'entrevue comme des facteurs ayant eu un impact sur les croyances de l'une des participantes, ce qui est conséquent avec d’autres études sur le sujet. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : apprentissage d'une langue additionnelle, élèves handicapés ou en difficulté d'adaptation ou d'apprentissage, cognition de l'enseignant
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».