MétaCan
Menu
Retour à la cohorte
Enregistrement W1921505225 · doi:10.1186/s40468-015-0018-0

Raising the bar: language testing experience and second language motivation among South Korean young adolescents

2015· article· en· W1921505225 sur OpenAlexaff
John F. Haggerty, Janna Fox

Notice bibliographique

RevueLanguage Testing in Asia · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensCarleton UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyLanguage assessmentTest (biology)Exploratory factor analysisSalientContext (archaeology)Language proficiencyLanguage educationDevelopmental psychologyMathematics educationPedagogySocial psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Drawing on second language (L2) motivation constructs modelled on Dörnyei’s (2009) L2 Motivational Self System, this study explores the relationship between language testing experience and the motivation to learn English among young adolescents (aged 12–15) in South Korea. A 40-item questionnaire was administered to middle-school students ( N = 341) enrolled in a private language school ( hakwan ). Exploratory factor analysis (EFA) identified five salient L2 motivation factors. These factors were compared to four learner-background characteristics: gender, grade level, L2 test-preparation time, and experience taking a high-stakes university-level language test. The results suggest that second language motivation, based on the L2 motivation factors identified as most salient in this educational context, was significantly associated with the amount of time spent preparing for language tests and experience taking a high-stakes language test intended primarily for university-entrance purposes. Young South Korean adolescent learners’ testing experiences and their motivation to learn English are discussed in relation to the social consequences of test use and ethical assessment practices.

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)0,002
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: Observationnel
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
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,107
Tête enseignante GPT0,402
Écart entre enseignants0,295 · 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

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Testing in AsiaMême sujetMultilingual Education and PolicyTravaux en français237 207