MétaCan
Menu
Retour à la cohorte
Enregistrement W2132005207 · doi:10.5539/jel.v2n2p126

Singular-Plural Distinction in Izon and its Influence on the Teaching/Learning of Plural Formation in English

2013· article· en· W2132005207 sur OpenAlexvenueno aff
Uriel Okunrinmeta

Notice bibliographique

RevueJournal of Education and Learning · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPluralPossessiveLinguisticsPronounPsychologyMathematics educationReflexivityReflexive pronounSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study examines singular-plural distinction processes in Izon and highlights the difficulties these may pose tothe teaching and learning of plural formation in English so as to suggest ways in which teachers can design aneffective teaching method to tackle the perceived difficulties. The study, which made use of 100 subjects of anaverage age of eleven years drawn from the Arogbo-Izon community of Ondo State, Nigeria, reveals that Izoninhibits the learning of plural formation in English as the majority of the subjects exhibit the influence of the apluralitymarker and the reflexive pronoun formation process in Izon thereby pluralizing all English nounsthrough the addition of -s and deriving the reflexive pronoun (their selfs or their selves) through the addition ofself to the possessive form of the pronoun (their) as against the object form (them) preferred in English. Toensure that the subjects are assisted to overcome these difficulties, the study employs a ten-step contrastiveapproach which proves very effective as the subjects’ performances, after the application of the method, recordeda tremendous rise in the percentage of correct responses from 26 per cent to 94 per cent (plural formation innouns) and from 46 per cent to 100 per cent (plural formation in pronouns). The method is, therefore,recommended for the teaching of English in the Izon communities in Nigeria and in other similar ESL situationsboth within and outside Nigeria.

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)0,004
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,250
Écart entre enseignants0,235 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEFL/ESL Teaching and LearningTravaux en français237 207