MétaCan
Menu
Retour à la cohorte
Enregistrement W2162468479

The Use of Journal Writing and Reading Comprehension Texts During Pre-Writing in Developing EFL Students’ Academic Writing

2014· article· en· W2162468479 sur OpenAlexvenueno aff
Abdulaziz I. Fageeh

Notice bibliographique

RevueStudies in literature and language · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFluencyMultivariate analysis of varianceReading comprehensionTest (biology)Mathematics educationPsychologyReading (process)Academic writingComputer scienceLinguistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study aimed at investigating the effects of journal writing and reading comprehension practice during pre-writing on the development of the writing of college students enrolled in English as a foreign language (EFL) programme. A factorial design was manipulated, where subjects (n = 42) were randomly assigned to control and experimental groups. Existing scores on the students’ first semester writing achievement test were used to determine the writing proficiency levels of the subjects. Data were collected through administering two writing tests, an one-hour test and a 15-minutes free writing test. The results of these tests were analyzed using t-test to assess the relationship between writing fluency, complexity and accuracy. Descriptive statistics (means and standard deviations) and two multivariate analyses of variances (MANOVA) were further run in order to address the questions raised in the study. Findings of the study showed that there was no significant difference between journal writing and reading comprehension practice in improving the writing fluency, complexity and accuracy of the students. The MANOVA test run to test the interaction between the treatment (journal writing and reading comprehension texts) and the writing proficiency levels (low vs. high) on the writing fluency, complexity and accuracy showed no significant results. Recommendations for future research were provided at the end of the study.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

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

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 Opus0,043
Tête enseignante GPT0,396
Écart entre enseignants0,353 · 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207