MétaCan
Menu
← Retour à la cohorte
Enregistrement W1873231586 · doi:10.3968/j.css.1923669720070303.017

An Attempted Evaluation of Compuer Assisted Language Learning in China EVALUATION DE L'APPRENTISSAGE DES LANGUES ASSISTE PAR ORDINATEUR EN CHINE

2010· article· fr· W1873231586 sur OpenAlexvenueno aff
Jimin Li

Notice bibliographique

RevueCanadian social science · 2010
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstructiveChinaHumanitiesComputer scienceArtificial intelligenceLinguisticsPhilosophyPolitical scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

With the rapid development of computer technology and further educational reform in China, more and more colleges or universities start to employ computers for foreign language teaching and learning. This paper, thus, first briefly introduces the evolution of CALL, then examines the constructive value and drawbacks of computer-assisted language teaching and learning, and finally emphasizes some rational cognition in implications and conclusion. Key words: review, benefits, drawbacks, rational recognition Resume: Avec le developpement rapide de la technologie d’ordinateur et la reforme educative approfondie de Chine, de plus en plus de lycees ou d’universites commencent a employer l’ordinateur dans l’enseignement-apprentissage des langues etrangeres. L’article present, tout d’abord, introduit brievement l’evolution de l’ALAO(l’Apprentissage des langes assiste par Ordinateur), et puis examine la valeur constructive et les desavantages de l’enseignement-apprentissage des langes assiste par ordinateur. En fin de compte, l’article insiste sur des cognitions rationnelles dans les implictions et la conclusion. Mots-Cles: ALAO, retrospection, benefices, desavantages, recognition rationnelle

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)0,012
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,014
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social science→Même sujetEFL/ESL Teaching and Learning→Travaux en français237 207→