MétaCan
Menu
Retour à la cohorte
Enregistrement W2341920832 · doi:10.5539/elt.v9n5p206

A Seamless Learning Design for Mobile Assisted Language Learning: An Iranian Context

2016· article· en· W2341920832 sur OpenAlexvenueno aff
Elham Mohammadi Foomani, M Hedayati

Notice bibliographique

RevueEnglish Language Teaching · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Mobile devicePsychologyLearner autonomyLanguage acquisitionAutonomyMathematics educationPedagogyMultimediaLanguage educationComputer scienceWorld Wide WebComprehension approach

Résumé

récupéré en direct d'OpenAlex

Recent developments in information communication technology (ICT) have resulted in a paradigm shift in e-Learning and there is a growing interest in developing design-based research (DBR) focusing on learners and their involvement in knowledge sharing in a contextualized mode. The present study reports a mobile-assisted language learning (MALL) design with a focus on contextualized student-created content having a seamless learning approach. The students in this study (N= 24) used their mobile devices to take photos and create artifacts to represent English idioms and share them on Padlets with their peers for further discussion and feedback. In the first four weeks of the study, students were taught English idioms and in the following next two weeks they created and shared their own artifacts to represent the learnt idioms. The post-study reflections and results of the interviews and obtained from students and the teacher at the end of study revealed that they favor and support greater learner autonomy achieved by learner-generated context (LGC) which bridges the in-classroom and out-of-classroom learning. The article also highlights the necessity of reconceptualization of teachers and students’ perceptions of mobile use in language learning in Iran.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,270 · 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

Citations48
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetMobile Learning in EducationTravaux en français237 207