Teaching additional language to students with special educational needs : a case study of Quebec intensive english teacher cognitions
Bibliographic record
Abstract
La présente étude a permis d'observer les cognitions de trois enseignants d'anglais intensif (AI) concernant les élèves handicapés ou en difficulté d'adaptation ou d'apprentissage (EHDAA) dans leurs classes en remplissant un questionnaire en ligne, accompagné d’une entrevue semi-structuré avec l'une des participantes afin de discuter de ses réponses au questionnaire. L'objectif était de répondre aux deux questions de recherche suivantes : 1.) Quelles sont les croyances des enseignants d'AI en ce qui concerne la présence d’EHDAA dans leurs classes ? et 2.) Quels sont les facteurs qui influencent les croyances des enseignants d'AI en ce qui concerne la présence d’EHDAA dans leurs classes ? Le questionnaire en ligne comportait trois sections, chacune portant sur un thème différent lié aux EHDAA : le niveau de difficulté des différents cours de L2, les pratiques à préconiser relativement au placement et la convenance des différents environnements d'apprentissage. Chaque section comportait des questions centrées sur trois contextes d'apprentissage distincts pour les EHDAA : la classe ordinaire, les cours de L2 et les programmes d’AI spécifiquement. Les résultats de cette étude comprenaient des données sur les croyances des enseignants de l'AI concernant les EHDAA, qui variaient selon si les EHDAA étaient classés en fonction de leurs besoins ou de leurs diagnostics. Le type de classification des EHDAA a donc été rapporté comme un facteur ayant un impact sur les croyances des participants. Cependant, les mêmes diagnostics ou besoin de support ont été associés à un placement dans une classe d’éducation spécialisée ou régulière de manière constante dans le questionnaire, et ce pour les trois contextes d'apprentissage mentionnés. Un impact minime sur les croyances des participants a donc été attribué à ces deux facteurs. De plus, les problèmes systémiques rencontrés par les EHDAA, en particulier en ce qui concerne l'accès à un diagnostic officiel, sont ressorties en tant que facteur important influençant les croyances des enseignants d’AI. L'impact des expériences antérieures avec les EHDAA et de la formation additionnelle ont également été cités dans l'entrevue comme des facteurs ayant eu un impact sur les croyances de l'une des participantes, ce qui est conséquent avec d’autres études sur le sujet. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : apprentissage d'une langue additionnelle, élèves handicapés ou en difficulté d'adaptation ou d'apprentissage, cognition de l'enseignant
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".