MétaCan
Menu
Retour à la cohorte
Enregistrement W1996674356 · doi:10.1093/applin/amm041

A Longitudinal Study of ESL Learners' Fluency and Comprehensibility Development

2007· article· en· W1996674356 sur OpenAlexaff
Tracey M. Derwing, Murray J. Munro, Ron I. Thomson

Notice bibliographique

RevueApplied Linguistics · 2007
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensSimon Fraser UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFluencyPsychologyMandarin ChineseLanguage proficiencyLinguisticsLongitudinal studyDisadvantagedFirst languageMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

This longitudinal mixed-methods study compared the oral fluency of well-educated adult immigrants from Mandarin and Slavic language backgrounds (16 per group) enrolled in introductory English as a second language (ESL) classes. Speech samples were collected over a 2-year period, together with estimates of weekly English use. We also conducted interviews at the last data collection session. The participants’ fluency and comprehensibility at three points over 22 months were judged by 33 native speakers of English. We examine the learners’ progress in light of their exposure to English outside of their ESL class. The Slavic language speakers showed a small but significant improvement in both fluency and comprehensibility, whereas the Mandarin speakers’ performance did not change over 2 years, although both groups started at the same level of oral proficiency. These differences may be attributable in part to degree of exposure to English outside the ESL courses. Neither group had extensive exposure outside of their classes because of employment and familial responsibilities (although the Slavic language speakers reported more opportunities). Thus both groups may have been disadvantaged by a lack of oral fluency instruction. The findings, both quantitative and qualitative, are interpreted using the Willingness to Communicate framework; we also discuss implications for the language classroom.

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)0,003
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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
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 Opus0,062
Tête enseignante GPT0,292
Écart entre enseignants0,230 · 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

Citations338
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207