The Bridge: From research To PracTice Research on Error Correction and Implications for Classroom Teaching
Notice bibliographique
Résumé
A fter three decades, immersion programs are still considered enormously successful with respect to the second language (L2) proficiency levels attained by students enrolled in such programs and their concurrent development of academic skills in both the native and target languages. Indeed, immersion has evolved in some cases beyond the program types that originated in the Canadian context and is now being applied in a wide range of situations and at multiple levels with differing goals, socioeconomic and cultural contexts, and methods of implementation (Swain & Johnson, 1997). Yet research conducted since the late 1970s has firmly established that immersion students ’ L2 productive skills are not on a par with those of their native-speaking counterparts. In other words, immersion students do not attain native-like proficiency in speaking and writing. The reasons for this phenomenon are many and varied, but some are related to instructional issues. Most immersion teachers tend to focus their attention on the instruction of subject matter content; academic achievement usually receives increased emphasis because of school district expectations and parental concerns. Yet “...subject-matter teaching does not on its own provide adequate language teaching ” (Lyster and Ranta, 1997, p. 41). It has also been observed that lack of systematic approaches for teaching specific language structures in meaningful contexts and for attending to student errors contribute to less than optimal levels of proficiency in immersion students (e.g., Chaudron, 1986; Harley, 1989; Kowal and
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 | 0,015 | 0,015 |
| 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 | 0,008 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».