MétaCan
Menu
Retour à la cohorte
Enregistrement W2111028300 · doi:10.5430/elr.v1n1p60

Re-examining the Influence of Native Language and Culture on L2 Learning: A Multidisciplinary Perspective

2012· article· en· W2111028300 sur OpenAlexvenueno aff
Hosni Mostafa El-dali

Notice bibliographique

RevueEnglish Linguistics Research · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Perspective (graphical)Second languageContext (archaeology)LinguisticsSociologyGrammarFirst languageLanguage acquisitionPedagogyEpistemologyPsychologyComputer sciencePhilosophyHistoryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The role of the native language (NL) and culture in a second language (L 2 ) context has been debated for over 200 years (Gass, 1996). Most of the early debate, however, did not concern learning per se, but was centered around the value of using the NL in the classroom. The issues and questions surrounding the use of NL information have changed. Within the past 50 years we have witnessed great flux in research directions, traditions, and assumptions. On the other hand, many institutions in the Arab world have prohibited the use of NL in the classroom, which is commonly perceived to be an impediment to L 2 learning. This pedagogical decision, however, is not fully supported by recent research findings. Accordingly, the present study, first, traces the conceptual history of the notion “language transfer” from its early beginning to its current position within Universal Grammar. Second, it problematises the exclusion of L 1 from the classroom and supports the notion of incorporating students’ input into pedagogical decision making processes. Third, it shows, as an example, how L 1 culture affects the written production of L 2 learners.

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)0,014
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,010
Communication savante0,0110,011
Science ouverte0,0020,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,086
Tête enseignante GPT0,390
Écart entre enseignants0,305 · 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'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

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Linguistics ResearchMême sujetEFL/ESL Teaching and LearningTravaux en français237 207