MétaCan
Menu
Retour à la cohorte
Enregistrement W2131004925 · doi:10.1017/s0958344013000128

Language students and their technologies: Charting the evolution 2006–2011

2013· article· en· W2131004925 sur OpenAlexaboutno aff
Caroline Steel, Mike Levy

Notice bibliographique

RevueReCALL · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSophisticationLanguage acquisitionClass (philosophy)Mathematics educationComputer scienceAutonomyScale (ratio)Learner autonomyForeign languagePsychologyLanguage educationComprehension approachSociologyArtificial intelligenceSocial scienceGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper has two key objectives. Firstly, it seeks to record the technologies in current use by learners of a range of languages at an Australian university in 2011. Data was collected via a large-scale survey of 587 foreign language students across ten languages at The University of Queensland, Brisbane, Australia. Notably the data differentiates between those technologies that students used inside and outside of formal classrooms as well as recording particular technologies and applications that students perceived as beneficial to their language learning. Secondly, this study aims to compare and contrast its findings with those from two previous studies that collected data on students’ use of technologies five years earlier, in 2006, in the UK and Canada. The intention is to chart major developments and changes that have occurred during the intervening five-year period, between 2006 and 2011. The data reported in two studies, one by Conole (2008) and one by Peters, Weinberg and Sarma (2008) are used as points of reference for the comparison with the present study. The findings of the current study point to the autonomy and independence of the language learners in this cohort and the re-emergence of CALL tools, both for in-class and out-of-class learning activities. According to this data set, learners appear to have become more autonomous and independent and much more able to shape and resource their personal language learning experience in a blended learning setting. The students also demonstrate a measure of sophistication in their use of online tools, such that they are able to work around known limitations and constraints. In other words, the students have a keen awareness of the affordances of the technologies they are using.

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)0,008
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,232
Écart entre enseignants0,214 · 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

Citations103
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReCALLMême sujetSecond Language Learning and TeachingTravaux en français237 207