MétaCan
Menu
Retour à la cohorte
Enregistrement W2188200520 · doi:10.5539/ijel.v5n6p66

A Study on the Use of Lexical Chunks by Chinese EFL Learners in Writing

2015· article· en· W2188200520 sur OpenAlexvenueno aff
Ling Shi, Lei Wang

Notice bibliographique

RevueInternational Journal of English Linguistics · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Education of Zhejiang ProvinceSt. John's UniversityZhejiang Gongshang University
Mots-clésLinguisticsEnglish as a foreign languageTest (biology)Lexical itemPsychologyComputer scienceLexical choiceChinaChinese as a foreign languageMathematics educationNatural language processingHistoryPhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

<p>Lexical Approach put forward by Michael Lewis (1993) is widely acknowledged in EFL teaching and lexical teaching is very important development in the evolution of language teaching (Lowe, 2003).<strong> </strong>For about thirty years of teaching English as a foreign language (EFL) in China, more and more teachers have realized the importance of teaching and encouraging learners to use ready-made lexical chunks. However, the present study focuses on the overuse of lexical chunks in learners’ writings in a high stake national test (College English Test Band 6 – CET6). The corpus-based data analysis will be done to find the most commonly used lexical chunks by Chinese EFL learners and demonstrate what is meant to be the overuse of lexical chunks. Furthermore, the reasons for misuse and overuse of lexical chunks will be discussed. The findings drawn from structural and functional analysis of lexical chunks also have some pedagogical implications.</p>

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)0,001
score de la tête « metaresearch » (Gemma)0,076
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,076
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,075
Tête enseignante GPT0,383
Écart entre enseignants0,307 · 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.

Devis d'étudeSans objet
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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSecond Language Acquisition and LearningTravaux en français237 207