MétaCan
Menu
Retour à la cohorte
Enregistrement W1525800005 · doi:10.5539/elt.v8n7p68

Investigating the Relationship between Iranian EFL Teachers’ Autonomy and Their Neuro-Linguistic Programming

2015· article· en· W1525800005 sur OpenAlexvenueno aff
Ehsan Hosseinzadeh, Abdollah Baradaran

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyAutonomyLinguisticsCurriculumScale (ratio)Learner autonomyMathematics educationLanguage educationPedagogyComprehension approach

Résumé

récupéré en direct d'OpenAlex

The present study was an attempt to investigate the relationship between English Language Teachers’ autonomy and their Neuro-linguistic Programming (NLP). To this end, a group of 200 experienced English language teachers at various language schools in Tehran, inter alia, Asre Zaban Language Academy, were given two questionnaires namely Teaching Autonomy Scale (Pearson & Moomaw, 2005); and Reza Pishghadam’s Neuro-linguistic Programming Questionnaire (2011) among which 162 instruments were returned. After being verified, 129 questionnaires which had been thoroughly completed were selected and carefully examined. At the outset of the data analysis stage, the researcher was supposed to pick out the accurate correlational measure. In this effort, assumptions of linearity of the relationship between the variables and normality of the data were verified and, as a result, Spearman rho was employed. The findings of an in-depth data analysis revealed that the null hypothesis of the study was to a large extent supported. That is to say, exclusive of General autonomy which was positively and significantly related to NLP, other sub-categories of autonomy—Curriculum and Total, were not correlated significantly with NLP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,308
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207