MétaCan
Menu
Retour à la cohorte
Enregistrement W1864866486 · doi:10.5539/elt.v8n7p174

How do Concept-Maps Function for Reading Comprehension Improvement of Iranian Advanced EFL Learners of Both Genders?

2015· article· en· W1864866486 sur OpenAlexvenueno aff
Mohammad Saber Khaghaninejad, Mansour Arefinejad

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionPsychologyMathematics educationReading (process)Test (biology)ComprehensionAffect (linguistics)LinguisticsCommunication

Résumé

récupéré en direct d'OpenAlex

This study was an attempt to examine the effect of concept mapping on reading comprehension of Iranian EFL learners. Pretest-posttest design was employed to scrutinize the possible improvement of the study’s participants who were male and female learners whose ages ranged from 19 to 40 and had taken general English courses at Islamic Azad University of Kharg. Two groups (one experimental and one control group) were exposed to the same reading comprehension test as the pre-and post-test, however, only the experimental group received the special treatment of concept mapping techniques for different texts during the treatment. After the application of the study’s treatment, data analysis procedure initiated which indicated that experimental group who received explicit concept mapping instruction had a better performance than the control group on the final reading comprehension test. In addition, the findings shows that students who used this strategy during the seven-week treatment had better results on comprehension reading test and could understand the reading passages better. The findings imply that concept maps can positively affect the reading comprehension ability of Iranian advanced EFL learners. It was also revealed that female learners were superior at employing concept-maps in comparison with their male peers.

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)0,000
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 enseignants0,236
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,323
Écart entre enseignants0,284 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Strategies and EpistemologiesTravaux en français237 207