Nihonjin Kyoushi Dake?: The Perceptions and Beliefs of a Non-Native Speaking Teacher in a High-intermediate Japanese Language Class
Notice bibliographique
Résumé
Within non-native speaking teacher (NNST) research, literature concerning NNSTs within the Canadian Japanese-as-a-foreign language (JFL) context is limited. Previous research has shown that prevailing preferences for NSTs due to perceived linguistic and pedagogical capabilities creates negative implications for NNSTs, such as teaching anxiety, confidence issues, and workplace challenges (i.e., hiring and discrimination) (Holliday, 2006; Phillipson, 1992; Kickzokiak & Wu, 2018; Faez & Karas, 2017; Park, 2012; Tsuchiya, 2020). By using Scholarship of Teaching and Learning (SoTL) and qualitative and quantitative methods (i.e., reflexive journal entries, pre- and post-course surveys, language logs, follow-up interviews, and Likert-scale questions), this study addresses the gap of scarce literature on NNSTs in the Canadian JFL field by investigating the instructional practices used by a NNST and students’ and the instructor’s perceptions and beliefs of the NNSTs’ capabilities in a high-intermediate Japanese class. Key findings of this study are that tasks benefit students’ learning of professional Japanese communication, NNSTs have the capabilities to teach high-level and pragmatic-focused speaking courses, and, students’ preferences for their instructor are based on their instructors’ individual skills and teaching attitudes rather than their nativeness. These insights provide valuable implications for academic and practical fields, offering novel findings about NNST capabilities. Administrators can use this information for more informed hiring decisions and establish collaborative models based on the unique strengths of both NSTs and NNSTs. These recommendations foster hope for NNSTs by advocating for equity, diversity, and inclusion, thereby transforming student learning within higher education.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 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) | 0,002 | 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 ».