Bibliographic record
Abstract
Before second language writing (SLW) teachers’ digital practices can be supported, their needs must first be understood. To accomplish effective technology-enhanced instruction, SLW teachers must blend their knowledge of composition theory, second language acquisition, and multimodal composition technologies. However, many teachers struggle to do this, which highlights the need for research addressing the cognitive aspects that influence digital instruction. This case study reports on an investigation of three in-service university SLW teachers’ Technological Pedagogical Content Knowledge (TPACK) during a digital reflective portfolio module. Data from an online survey, instructional content, classroom observations, and semistructured interviews were triangulated to uncover the nature of SLW teachers’ TPACK, including which factors supported and constrained their use of technology. Findings suggest that pedagogical content knowledge played a dominant role in how the teachers used technology. The teachers’ TPACK was enhanced by professional beliefs about the importance of multimodality and contextual factors involving institutional support and communities of practice. However, it was constrained by limited self-efficacy and pedagogical beliefs concerning the influence of technology on student learning and student engagement. This study contributes to a growing body of research on how to support language teachers in their digitally mediated practices. Avant de pouvoir soutenir les pratiques numériques des enseignantes et enseignants d’expression écrite en langue seconde (SLW), il faut commencer par en comprendre les besoins. Pour être à même de dispenser efficacement un enseignement enrichi par la technologie, les enseignantes et enseignants d’expression écrite en langue seconde doivent amalgamer leurs connaissances dans les domaines de la théorie de la composition, de l’acquisition d’une langue seconde et des technologies de composition multimodale. Beaucoup d’enseignantes et d’enseignants, toutefois, arrivent mal à le faire, ce qui souligne le besoin de recherches sur les facteurs cognitifs qui ont une incidence sur l’enseignement numérique. La présente étude de cas fait état de recherches menées auprès de trois enseignants (un homme et deux femmes) d’expression écrite en langue seconde en cours de service au niveau universitaire dans le cadre TPACK (Technological Pedagogical Content Knowledge). Des données issues d’un sondage en ligne, un contenu pédagogique, des observations faites en salle de classe et des entrevues semi-structurées ont été triangulés pour lever le voile sur la nature des connaissances des enseignantes et enseignants d’expression écrite en langue seconde dans le cadre TPACK, y compris la question de savoir quels facteurs soutiennent ou restreignent leur recours à la technologie. Les constatations suggèrent que la connaissance du contenu pédagogique joue un rôle prépondérant dans la façon dont les enseignantes et enseignants utilisent la technologie. Leurs connaissances sont par ailleurs renforcées par des convictions professionnelles concernant l’importance de l’intermodalité ainsi que par des facteurs contextuels impliquant le soutien institutionnel et les communautés de pratique. Elles se sont toutefois avérées limitées par l’auto-efficacité réduite des enseignantes et enseignants et leurs croyances pédagogiques relativement à l’influence de la technologie sur l’apprentissage et l’engagement des étudiantes et étudiants. Cette étude s’ajoute à un corpus croissant de recherches sur la façon de soutenir les professeurs de langue dans leurs pratiques numériques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".