MétaCan
Menu
Retour à la cohorte
Enregistrement W2335266995 · doi:10.1515/cercles-2015-0008

Learner beliefs about sociolinguistic competence: A qualitative case study of four university second language learners

2015· article· en· W2335266995 sur OpenAlexaff
Jinsuk Yang, Katherine Rehner

Notice bibliographique

RevueLanguage Learning in Higher Education · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of TorontoInstitute for Christian Studies
Organismes subventionnairesnon disponible
Mots-clésPsychologyCompetence (human resources)Language proficiencyQualitative researchSecond languageLanguage acquisitionPedagogyLinguisticsMathematics educationSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract This article explores the beliefs about second language (L2) sociolinguistic competence of four university-level advanced L2 learners. It places particular emphasis on 1) how these university learners conceptualized L2 sociolinguistic competence; 2) how they thought about two different language learning contexts (viz., the L2 classroom versus study abroad) for their development of sociolinguistic competence; and 3) the L2 strategies they employed to develop their L2 sociolinguistic knowledge. The study found, first, that the university learners conceived of sociolinguistic competence as the ability to adjust their language to reflect the social distance between themselves and other speakers. Second, it demonstrates that the university learners believed that the classroom environment might provide them with insufficient opportunities to utilize those L2 registers that are most sensitive to context. Nevertheless, their beliefs about the necessity of having sociolinguistic competence played a pivotal role in helping most of them to find meaningful L2 learning opportunities in the classroom, as well as in study-abroad contexts. Finally, while immersive experiences can help learners sustain L2 motivational strategies according to their ultimate L2-related goals, the present study lends support to the observation that contexts per se cannot function as meaningful L2-rich environments.

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)0,011
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,014
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0140,009
Communication savante0,0050,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,086
Tête enseignante GPT0,350
Écart entre enseignants0,265 · 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

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Learning in Higher EducationMême sujetEFL/ESL Teaching and LearningTravaux en français237 207