MétaCan
Menu
Retour à la cohorte
Enregistrement W2032884411 · doi:10.5539/elt.v5n12p62

The Effect of the Graphic Organizer Strategy on University Students’ English Vocabulary Building

2012· article· en· W2032884411 sur OpenAlexvenueno aff
Arwa N. Al-Hinnawi

Notice bibliographique

RevueEnglish Language Teaching · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularySpellingPronunciationPsychologyMathematics educationTest (biology)Class (philosophy)Meaning (existential)Vocabulary developmentSentenceForeign languageLinguisticsTeaching methodComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study aimed at investigating the effect of the graphic organizer strategy on vocabulary building and vocabulary incremental growth of Jordanian university EFL students. One hundred and two students participated in the study which lasted for one academic semester of four months. Each student enrolled in one of two intact and equally-sized classes of a general English Language course. One of the classes was assigned to an experimental group, whose students were taught eight specific features of vocabulary items using the GO strategy. The eight features were the word’s spelling, pronunciation, part of speech, meaning in the first language, meaning in the foreign language, synonym, antonym and using it in an example sentence. The other class was assigned to a control group, whose students were taught the same vocabulary items using traditional instruction. A pre-test and a post-test were administered to all students whose responses were analyzed using adjusted means, standard errors and an ANCOVA. Results revealed that the experimental group students outperformed those students in the control group concerning their vocabulary building. To decide whether the GO strategy had an incremental growth in students’ vocabulary building, students of both groups sat for three separate evaluative tests. Students’ responses were analyzed using Microsoft Excel sheets and results showed that this strategy significantly improved students’ vocabulary growth over time.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,273
Écart entre enseignants0,266 · 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'étudeEssai non randomisé
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

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Methods and Media UseTravaux en français237 207