MétaCan
Menu
Retour à la cohorte
Enregistrement W2402594901 · doi:10.5539/elt.v9n6p223

The Effects of Chewing Cinnamon Flavored Gum on Mood, Feeling and Spelling Acquisition

2016· article· en· W2402594901 sur OpenAlexvenueno aff
Andrew M. Wilson, Bryan Raudenbush

Notice bibliographique

RevueEnglish Language Teaching · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Quality and Safety Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpellingFeelingMemorizationPsychologyMoodChewing gumRecallRote learningPronunciationTest (biology)Developmental psychologyMathematics educationSocial psychologyTeaching methodCognitive psychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

The purpose of the study is to investigate if the effects of chewing cinnamon flavored gum can increase mood, feeling and spelling acquisition. 5th grade students (n=22) at Ilshin elementary school in South Korea served as participants. The same students were required to take 4 spelling tests with 1 given every day over the course of 4 days. For the 1st day, students were required to answer pre-questionnaires pertaining to mood and feeling before studying the spelling words. Students were then given 15 minutes to study while using the rote learning techniques to memorize spelling words; however, they were not given any gum. Afterwards, students were required to take the spelling test to determine memorization achievement. Lastly, students were required to retake the post-questionnaires based on mood and feeling again. On days 2-4 the same protocol was performed, however with 5, 10 or 15 minutes of gum chewing. The results indicated that in terms of the test scores, 15 minutes of chewing resulted in better performance than 5 or 10 minutes of chewing. However, there were no significant outcomes related to the mood and feeling scores. Future research should examine the type of information used for the memorization task, since recall vs. recognition tasks may be differentially affected by chewing.

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)0,000
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetFood Quality and Safety StudiesTravaux en français237 207