MétaCan
Menu
Retour à la cohorte
Enregistrement W1834813043

Request Strategies by Second Language Learners of English: Pre- and Post-head Act Strategies

2012· article· en· W1834813043 sur OpenAlexvenueno aff
Saad Al‐Gahtani, Saad A. Alkahtani

Notice bibliographique

RevueStudies in literature and language · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySpeech actInterlanguageHead (geology)PragmaticsPower (physics)Linguistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study investigates the speech act of request by Saudi high- and low-level learners of Australian English. All participants were asked to take part in three different role plays, which varied according to the relative power relationship between the informant and the conductor. We found that high-level learners did not considerably differ from low-level learners in terms of pre- and post-head act strategies, and request strategies; thereby indicating that proficiency level does not have a significant impact on L2 learners’ choice of pre- and post-head act strategies and request strategies. However, both groups of learners deviated from Australian English native speakers in terms of post-head act and request strategies. In light of the social variable (power) influence, it was found that power affected both groups of learners, along with the native speaking group, in terms of pre- and post-head act strategies. However, power did not have an impact on the SLL group, while it did have an effect on the high-level group, along with the native speaking group, in terms of request strategies. Thus, there is no apparent correlation between the social variable (power) and L2 learners’ use of pre- and post-head act strategies, while power positively correlates with L2 learners’ proficiency level regarding their use of request strategies. Key words: Interlanguage pragmatics; Speech act of requests; L2 learners

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,301 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207