MétaCan
Menu
Retour à la cohorte
Enregistrement W1997667876 · doi:10.1016/j.sbspro.2014.03.548

Complaint Behaviors among Native Speakers of Canadian English, Iranian EFL Learners, and Native Speakers of Persian (Contrastive Pragmatic Study)

2014· article· en· W1997667876 sur OpenAlexaboutno aff
Mahboube Nakhle, Mohammad Naghavi, Abdullah Razavi

Notice bibliographique

RevueProcedia - Social and Behavioral Sciences · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPersianComplaintPsychologyTest (biology)LinguisticsSocial psychology

Résumé

récupéré en direct d'OpenAlex

The purpose of the present article is to make a contrastive cross-cultural pragmatic analysis between Canadian native speakers, Iranian EFL learners, and Iranian native speakers of Persian in regard to the speech act of complaint. To do so, in the first stage, a Nelson Proficiency Test was administered among 20 Canadian university students majoring in different fields,20 among Iranian EFL learners, and 20 among Persian speakers, respectively. Based on the results of this test, those who scored highly on the test were selected as the main participants of the study. In the second stage, an open-ended questionnaire in the form of a Discourse Completion Task (DCT) comprising of 30 authentic complaint situations was administered among the three groups. It should be noted that the DCTs were translated into Persian for the third group of participants. The data was analyzed using a non-parametric statistical hypothesis test called Kruskal-Wallis Test for assessing whether or not one of the three samples of independent observation tends to have larger values than the other and Mann-Whitney U Test to investigate which strategies in which groups are distinct and the findings revealed that all respondents showed significantly different behaviors to express complaints in the different situations. Moreover, sex and social power were found to cause differential use of complaint utterances.

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)0,004
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 enseignants0,738
Score d'incertitude au seuil0,521

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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 savante0,0020,000
Science ouverte0,0000,001
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 Opus0,066
Tête enseignante GPT0,315
Écart entre enseignants0,249 · 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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia - Social and Behavioral SciencesMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207