MétaCan
Menu
Retour à la cohorte
Enregistrement W2174185710 · doi:10.5539/elt.v8n12p98

The Effect of the CAREY Program on the Students’ Reading Attitude towards Reading English Materials

2015· article· en· W2174185710 sur OpenAlexvenueno aff
Marwan Yahya Al-Shawesh, Supyan Hussin

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading (process)PsychologyMathematics educationClass (philosophy)Thematic analysisExtensive readingEnglish languageQualitative propertyQualitative researchDescriptive statisticsPedagogyLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Reading is one of language learning skills which has a great significance for the role it plays in the second language acquisition (SLA) process. The aim of this paper was to examine the extent to which the CAREY (Computer-Assisted Reading Yemen) program affects the Yemeni EFL students’ reading attitude towards reading English materials. To achieve this objective, the data was collected from pre-and post-questionnaires of reading attitude. Additionally, the data was collected based on an interview and an observation. 20 students selected purposively from level one of an English proficiency course, Department of English, Faculty of Arts, Ibb University, Yemen in this study. All participants answered the pre- and post- reading questionnaires, and five of them were further interviewed. The study used both quantitative and qualitative analyses of the data including descriptive statistics of the responses from the questionnaires and thematic analysis of responses from the interviews. The results revealed that all participants showed their positive attitudes toward reading English materials especially after they joined the class of reading via CAREY program. In addition, it was found that CAREY program positively affected the participants’ attitudes towards reading English materials.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,029
Tête enseignante GPT0,385
Écart entre enseignants0,356 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Practices and ChallengesTravaux en français237 207