MétaCan
Menu
Retour à la cohorte
Enregistrement W2333430179 · doi:10.5539/ijel.v6n2p9

The Realization of Complaint Strategies among Iranian Female EFL Learners and Female Native English Speakers: A Politeness Perspective

2016· article· en· W2333430179 sur OpenAlexvenueno aff
Atefeh Eshraghi, Mohsen Shahrokhi

Notice bibliographique

RevueInternational Journal of English Linguistics · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComplaintPolitenessPsychologyPerspective (graphical)Speech actSocial psychologyLinguisticsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

<p>Speech acts are interesting areas of research and there has been much research on speech acts. Complaint is a type of speech act and how to use it in interaction is important to EFL learners. The complaint strategies employed by Iranian female EFL learners and female English native speakers were compared in this study. Also, the effects of contextual variables (Social distance and Social power) on the choice of complaint strategies by Iranian female EFL learners and female native English speakers were studied in this research. Thirty Iranian female EFL learners and thirty female native English speakers participated in this study. The two instruments which were used in this study included Oxford Placement Test (OPT) and Discourse Completion Test (DCT). The (DCT), as an open-ended questionnaire was administrated to them to elicit complaint speech acts. Then, the collected data were analyzed according to a modified taxonomy of complaint strategies proposed by Trosoborg (1995). The results indicated that there was a significant difference between Iranian female EFL learners and female native English speakers in terms of using complaint strategies. Iranian female EFL learners used indirect complaint, while female native English speakers used the direct complaint more frequently; and contextual variables had a great influence on complaint strategy choice by participants of two groups.</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)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,308
Écart entre enseignants0,277 · 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'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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207