MétaCan
Menu
Retour à la cohorte
Enregistrement W2023751495 · doi:10.5430/elr.v1n1p118

The Effects of Using Summarization Strategies on Iranian EFL Learners' Reading Comprehension

2012· article· en· W2023751495 sur OpenAlexvenueno aff
Maryam Pakzadian, Abbas Eslami Rasekh

Notice bibliographique

RevueEnglish Linguistics Research · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomatic summarizationReading comprehensionSignificant differencePsychologyMathematics educationComprehensionConstruct (python library)Reading (process)Affect (linguistics)Computer scienceLinguisticsNatural language processingMathematicsCommunication

Résumé

récupéré en direct d'OpenAlex

It is already known that for being effective readers we need explicit strategy training and it is generally agreed that well-developed reading comprehension ability is the key to students’ academic success .This comprehension ability is not a passive state which one possesses, but it is an active mental process which needs to be nurtured and improved. The study aims to explore the effectiveness of using summarization strategies makes any significant difference in EFL learners' level of comprehending English texts. It also aims to examine whether using summarization strategies at undergraduate level affect significantly the performance of male and female students' comprehension of texts. The data for this study were collected through two comprehension tests and a personal questionnaire from 40 English students who study at one of Payam Noor University branches in Isfahan. The data were analyzed descriptively and also inferentially. The overall findings of the study which enjoys pretest-posttest design indicated that after receiving summarization strategies training participants outperformed in posttest and there was not a significant difference between performance of female and male participants. The findings of the present study would help teachers and teacher trainers to construct and implement summarization strategies in EFL classes more effectively.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,072
Tête enseignante GPT0,416
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Linguistics ResearchMême sujetReading and Literacy DevelopmentTravaux en français237 207