MétaCan
Menu
Retour à la cohorte
Enregistrement W2556967290 · doi:10.5539/ijel.v6n6p221

The Relationship between the Emotional Intelligence and Reading Comprehension of Iranian EFL Impulsive vs. Reflective Students

2016· article· en· W2556967290 sur OpenAlexvenueno aff
Amir Reza Nemat Tabrizi, Leila Esmaeili

Notice bibliographique

RevueInternational Journal of English Linguistics · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionPsychologyEmotional intelligenceTest (biology)Reading (process)ComprehensionMathematics educationDevelopmental psychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

<p>The present article aimed at investigating the relationship between the emotional intelligence and reading comprehension of Iranian EFL impulsive and reflective students. To do so, 121 students based on a PET test were selected. Then, they answered a translated version of emotional intelligence and did a reading comprehension test. Later, they filled out impulsiveness questionnaire reflectiveness questionnaire. The results of these questionnaires and the reading test were compared. The first finding of the research revealed that there was a significant relationship between Iranian EFL learners’ emotional intelligence and their reading comprehension. Based on the next result, it was concluded that there was significant relationship between impulsive Iranian EFL learners’ emotional intelligence and their reading comprehension. On the other hand, there wasn’t such relationship between reflective Iranian EFL learners’ emotional intelligence and their reading comprehension. The last finding indicated that the Iranian impulsive EFL female students who possessed more degrees of emotional intelligence outperformed reflective students on reading comprehension. The findings of the research could be employed by EFL teachers, educational researchers, and English learners in an attempt to develop a more learner-centered method of second language reading comprehension.</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)0,029
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,029
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 ouverte0,0010,000
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 Opus0,073
Tête enseignante GPT0,403
Écart entre enseignants0,331 · 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'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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetEmotional Intelligence and PerformanceTravaux en français237 207