MétaCan
Menu
Retour à la cohorte
Enregistrement W2063882921 · doi:10.1017/s0272263103220258

<b>INDIVIDUAL DIFFERENCES IN FOREIGN LANGUAGE LEARNING: EFFECTS OF APTITUDE, INTELLIGENCE, AND MOTIVATION.</b><i>Steve Cornwell and Peter Robinson (Eds.)</i>. Tokyo: Aoyama Gakuin University, 2000. Pp. ii + 199. $29.00 paper.

2003· article· en· W2063882921 sur OpenAlexaboutno aff
Zoltán Dörnyei

Notice bibliographique

RevueStudies in Second Language Acquisition · 2003
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyTest (biology)Mathematics educationConstruct (python library)AptitudeConstruct validityGoal theoryHumanitiesDevelopmental psychologyPsychometricsComputer science

Résumé

récupéré en direct d'OpenAlex

This edited volume contains the proceedings of a conference on the role of individual differences in instructed SLA held at Aoyama Gakuin University in 1999. It includes 11 studies as well as an introductory chapter written by the editors. The first two papers, by Yamashiro and McLaughlin and by Hiser, Croker, Kenudson, and Stribling, present multivariate statistical analyses to examine the interrelationship between motivation, second language (L2) proficiency, and other learner characteristics in Japanese student samples. Although both studies offer unique insights into the characteristics of their target population, the authors also call for methodological improvements that would go beyond the use of self-report questionnaires. Sharing a similar interest in improving motivation research methodology, another study by Hsiao explicitly sets out to test the construct validity of the most well known motivation test—Gardner's Attitude/Motivation Test Battery—in Taiwan, which is a very different learning environment from Canada, where the test was originally developed. Özek and Williams's paper is also of interest in this respect because in their study a questionnaire survey conducted in Turkey was complemented with qualitative interviews, thereby resulting in a particularly rich database.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,239
Écart entre enseignants0,218 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Second Language AcquisitionMême sujetEFL/ESL Teaching and LearningTravaux en français237 207