Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Since the early 1990s, there has been a growing awareness that combining quantitative and qualitative data from diverse sources could add value to several ongoing issues in language assessment/testing (LT) research. This entry describes an instrument development project for assessment and evaluation purposes using an MMR design. Language barriers can arise when members of linguistic minorities and their health professionals do not speak the same first language. This entry reports on the first part of an L2 assessment development project where construct definition was the focus. The purpose was to identify and validate a set of speech tasks relating to nurse interactions with patients and to derive the L2 ability required for nurses to carry out those tasks. The research design had two sequential phases. The first phase (qualitative) included a literature review leading to an initial list of speech tasks, and validation of this list with a nurse focus group, followed by verbal protocol with a nurse expert. The retained speech tasks were then developed into a questionnaire and administered to 133 nurses who assessed each speech task for difficulty in an L2 context. The second phase (quantitative) included descriptive statistics, Rasch analysis, exploratory and confirmatory factor analyses, and alignment of resulting speech tasks with the Canadian Language Benchmarks. Results showed that speech tasks dealing with emotional aspects of caregiving and conveying health‐specific information were reported as being the most demanding in terms of L2 ability and the most strongly associated with L2 ability required for nurse–patient interactions.
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.
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 | 0,051 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 découle