MétaCan
Menu
Retour à la cohorte
Enregistrement W1975973220 · doi:10.5539/ells.v1n2p14

English for B. Sc. Students of Physical Education in Iran: A Study of Perception of English Needs and Effectiveness of ESP Textbooks

2011· article· en· W1975973220 sur OpenAlexvenueno aff
Mohammad Reza Hashemi, Amir Rashid Lamir, Farideh Rezaee Namjoo

Notice bibliographique

RevueEnglish Language and Literature Studies · 2011
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeeds analysisPerceptionCurriculumEnglish for specific purposesPsychologyMedical educationPerspective (graphical)Mathematics educationEnglish languageEnglish for academic purposesPedagogyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

EAP/ESP plays an important role in countries where English is used mainly for academic purposes. However, EAP/ESP programs have been developed without conducting a systematic needs analysis from both the students’ and instructors’ perspective. The purpose of the present study is to shed more light on the perception that Iranian undergraduate students and the faculty of Physical Education have of the English language needs of the students and the shortcomings of the commonly used textbook in EAP/ESP courses at universities. A total number of 112 students of P.E (47 male and 65 female) participated in the needs analysis procedure of the present study. They ranged from 21 to 27 years of age and were all undergraduates studying at the Physical Education Faculty, Ferdowsi University of Mashhad. Four P.E. faculty members, all holding Ph.D. were also interviewed. Results of the present study indicate that English is perceived as important by Iranian P. E. students and the faculty, and show discrepancy between the perceptions of the learners and instructors. The study has implications for curriculum design and instructional delivery of ESP/EAP courses for undergraduate P.E. students.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetSecond Language Learning and TeachingTravaux en français237 207