MétaCan
Menu
Retour à la cohorte
Enregistrement W2119400274 · doi:10.64152/10125/44239

Tandem language learning through a cross-cultural Keypal project

2011· article· en· W2119400274 sur OpenAlexfundno aff
Kaori Kabata, Yasuyo Edasawa

Notice bibliographique

RevueLanguage learning & technology · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésComputer scienceLinguisticsLanguage acquisitionMathematics educationPsychologyPedagogyNatural language processing

Résumé

récupéré en direct d'OpenAlex

Patterns of students' language learning were examined through an asynchronous crosscultural bilingual communication project conducted between Japanese university students learning English and Canadian university students learning Japanese.Previous studies on cross-cultural communication projects have reported positive outcomes in providing learners with opportunities for cultural and language learning.However, very few, if any, investigated whether a meaning-focused communication project like ours provides similar opportunities for language learning, and if so, what kind of language learning takes place.With focus on Canadian students' learning of Japanese, the present study addressed these questions through analyses of students' logs and message texts.The results indicated that students have opportunities for all aspects of language learning, including vocabulary, kanji, grammar, and phrase/sentential expressions.However, it was also found that the amount and type of incidental learning may depend on the students' proficiency level.Explicit corrections are noticed but often not understood unless clear explanations are given.We suggest these kinds of communication projects might further promote incidental learning opportunities by better understanding the proficiency levels of the other's second language, as well as by more and better incorporation of clear error corrections possibly accompanied by metalinguistic explanations.

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)0,003
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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,031
Tête enseignante GPT0,363
Écart entre enseignants0,332 · 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

Citations65
Publié2011
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueLanguage learning & technologyMême sujetSecond Language Acquisition and LearningTravaux en français237 207