Faute de mieux: An exploration of Core French curriculum, teaching methods, and learner motivational factors in British Columbia
Notice bibliographique
Résumé
As French education rises in popularity across Canada, there is an increasing need to assess the impact of French curriculum and teaching methods on students. In 2023, the Canadian federal government updated the Action Plan for Official Languages, with up to $242.8 million funding an increase in the national English-French bilingualism rate by 2036. Across Canada, efforts are being made to accomplish Action Plan goals, including the British Columbian mandate that requires students to take a second language course from Grades 5 through 8. Despite this, very few studies have focused on the motivational factors that affect Core French students’ willingness to persevere in their French studies (Arnott, 2019; Carr, 2007; Trerice, 2015). Through both qualitative and quantitative methods including participant surveys, Likert scale rankings, and an interview, this study addresses this gap in the literature by investigating the factors that demotivate B.C. students from enrolling in Core French beyond Grade 8, and considers what can be done to mitigate these factors. This research focused on a group of Grade 8 students on Vancouver Island during their final mandatory Core French course, as well as two Core French instructors. Key findings of this study are that students are demotivated to continue studying French when they dislike the pedagogical materials used in class, experience feelings of anxiety or embarrassment during class time, and perceive their teachers’ French knowledge or skills to be inadequate. Additionally, teacher challenges include a lack of perceived standardized learning outcomes, a lack of available Core French resources, and insufficient pre-service teacher training. Results of this study have generated actionable recommendations to improve Core French pedagogy based on student and teacher perspectives, with the goal of fostering classroom environments in which students feel supported and motivated to continue learning French.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,002 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».