MétaCan
Menu
Retour à la cohorte
Enregistrement W1789660988

Enhancing ESL Writing Creativity via a Literature Based Language Instruction

2010· article· en· W1789660988 sur OpenAlexvenueno aff
Chittra Muthusamy, Faizah Mohamad, Siti Norliana Ghazali

Notice bibliographique

RevueStudies in literature and language · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreativityClass (philosophy)Mathematics educationPsychologyCreative writingSecond language writingProfessional writingLinguisticsPedagogyComputer scienceSecond languageLiteratureArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The notions of success in learning writing in English is associated with self-expressions, the flow of ideas, outsider expectations, growing confidence and enjoyment of L2 academic writing. The most common problem that confronts teachers of a writing class does not lie so much on what to ask the students to write about; the difficulty is more on motivating the students to write interesting and effective materials or in other words, creative pieces of essays. What constitutes and contributes to language creativity in writing? This paper discusses the results of a quasi-experiment in which a literature – based language instruction was incorporated in an ESL writing class to evaluate the language creativity of students’ essays. Descriptive and inferential statistics show that a literature based language instruction can help students develop creativity in classroom writing.Key words:  literature based language instruction; creativity and language creativity

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,316
Écart entre enseignants0,306 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207