Desarrollo y evaluación de la expresión oral a través de las Tecnologías de la Relación, Información y Comunicación (TRIC) en la enseñanza y aprendizaje de español como lengua extranjera
Bibliographic record
Abstract
El desarrollo y la evaluación de la expresión oral en la enseñanza y aprendizaje de español como lengua extranjera (ELE) representa uno de los mayores retos que los docentes y alumnos enfrentan. Numerosos estudios revelan la necesidad de poner más atención a la dimensión afectiva como una forma de reducir la ansiedad que suele conducir a los aprendientes a internalizar emociones negativas y perjudiciales en la adquisición de una lengua extranjera. Afortunadamente, con la llegada de las tecnologías de la información y la comunicación (TIC), se ha podido dar paso a nuevas herramientas digitales que buscan dotar al alumnado de una experiencia positiva y significativa, al mismo tiempo que los docentes van más allá de los confines tradicionales que por décadas han dominado el campo de la enseñanza de lenguas extranjeras (LE). Sin embargo, su uso ha resultado limitado en cuanto al rol y tratamiento de la dimensión afectiva, por lo que en este artículo se propone la incorporación de las tecnologías de la relación, información y comunicación (TRIC), como una manera de fomentar el aprendizaje autónomo y experiencial cada vez más demandado por las necesidades y contexto particulares de la nueva generación de aprendientes nativos tecnológicos del siglo XXI. Para contextualizar el uso y aplicación de las TRIC, presentamos una actividad didáctica que consiste en la realización de videos cortos en los cursos de ELE en el departamento de español y portugués de la Universidad de Toronto, Canadá.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".