Studying Tense in Classroom Discourse on the Base of Hallidayian Systemic Functional Grammar (SFG)
Notice bibliographique
Résumé
In functional approach to interpersonal metafunction, Halliday defines clause as a unit of exchange, with two main constituents called Mood and Residue. Mood is composed of Subject and Finite. Subject is invested with modal responsibility whereas finite realizes primary tense and modality. Residue includes predicator, complement and adjunct. Secondary tense is expressed throughout predicator while Complement and adjunct just add additional but unnecessary information to clause meaning. Derived from theoretical framework outlined above, present research tries its best to determine a kind of agreement between primary and secondary tenses in gender talk of ELT classrooms and its relation to bilingual language learners’ proficiency in their foreign language learning. About twelve hours of oral conversation between students and teachers from eight randomly selected classrooms are recorded and transcribed, resulting to 3288 clauses. Our findings show that both genders use simple present tense as primary one in their talks with high frequency to refer to events happening in present. It is found out that simple present tense is used much more for holding an unmarked grammatical structure; whereas using other temporal structures desire much more grammatical competence and subsequently are used with low frequency. This may result into students’ non-proficiency in grammar skill, making them use different and also wrong tenses in different given temporal situations in high levels of foreign 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».