MétaCan
Menu
Retour à la cohorte
Enregistrement W1603184548

Language Shock: A challenge to language learning

2010· article· en· W1603184548 sur OpenAlexaboutno aff
Si Fan

Notice bibliographique

RevueeCite Digital Repository (University of Tasmania) · 2010
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMainstreamLanguage assessmentGlobalizationLanguage educationPedagogyStudy abroadPopulationMathematics educationLanguage acquisitionEnglish languagePsychologySociologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As a result of globalisation and the development of technology, the number of population travellingand studying abroad is increasing dramatically, especially within some English speaking countries,such as America, Canada and Australia. Asian countries, however, have always been the mainsource of international students. Due to the significant differences in cultures and languages, thesestudents confront challenges and obstacles in both university mainstream lectures and languageclassrooms. This paper reports a recent study which investigates the understanding and experiencesof ten Asian background students in relation to language shocks. It involves the participation of tenAsian background students from the TESOL (Teaching English to the Speakers of Other Languages)program in the Faculty of Education at the University of Tasmania. Semi-structured interviews andfocus group meetings were organised to gather the live experience of these students. The results indicatethat the differences in cultures and language indeed have an impact on these Asian backgroundstudents English language learning/teaching. However, these shocks can be transformedinto a motivation of learning. Also, teachers and the university are expected to take an active role inpreparing their students in overcoming of culture and language shocks and the development of positiveattitude towards English language learning.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,011
Communication savante0,0130,007
Science ouverte0,0020,013
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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'étudeSans objet
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeCite Digital Repository (University of Tasmania)Même sujetEFL/ESL Teaching and LearningTravaux en français237 207