MétaCan
Menu
Retour à la cohorte
Enregistrement W2018863258 · doi:10.5539/elt.v3n1p92

The Effect of Metadiscourse Awareness on L2 Reading Comprehension: A Case of Iranian EFL Learners

2010· article· en· W2018863258 sur OpenAlexvenueno aff
Mansoor Tavakoli, Azizollah Dabaghi, Zohreh Khorvash

Notice bibliographique

RevueEnglish Language Teaching · 2010
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetadiscoursePsychologyInterpersonal communicationReading comprehensionComprehensionReading (process)LinguisticsCommunication

Résumé

récupéré en direct d'OpenAlex

This research attempts to investigate the degree of students’ achievement in reading comprehension in English as a foreign language through explicit instruction in metadiscourse markers. For this purpose, 80 students studying at a language school (placed at intermediate levels of English language proficiency) were chosen to participate in the experiment. Every possible measure was taken to ensure that the participants lacked enough knowledge about metadiscourse. The participants were then randomly divided into four equal groups each containing twenty students. The first experimental group (EG1) included twenty participants who received instructions in both textual and interpersonal metadiscourse. The second experimental group (EG2) received instructions in only textual metadiscourse markers. The third experimental group (EG3) received instructions in only interpersonal metadiscourse. The control group received no specific instructions in metadiscourse and was only exposed to some input enhancement material and relevant exercises.As a result of running a number of statistical procedures, instruction on metadiscourse revealed a positive effect on the participants’ achievement in reading comprehension in English. The results of the study have some implications for materials designers; they can improve a learner’s ability to understand and remember information from the text by improving it textually and interpersonally.

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)0,008
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,292
Écart entre enseignants0,280 · 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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207