MétaCan
Menu
Retour à la cohorte
Enregistrement W2586623750 · doi:10.5539/elt.v10n3p82

The Effect of English Language Learning on Creative Thinking Skills: A Mixed Methods Case Study

2017· article· en· W2586623750 sur OpenAlexvenueno aff
Sandro Sehic

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOriginalityFluencyPsychologyElaborationFlexibility (engineering)CreativityMathematics educationTest (biology)Qualitative propertyData collectionCognitive psychologySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this sequential explanatory mixed-methods case study was to investigate the effects of English language learning on creative thinking skills in the domains of fluency, flexibility, originality, and elaboration as measured with the Alternate Uses Test. Unlike the previous research studies that investigated the links between English language learning and cognitive skills and had large numbers of participants, this research study relied on small group of participants to provide detailed information about the effects of English language learning on their creative thinking skills in the domains of fluency, flexibility, originality, and elaboration as measured with the Alternate Uses Test. This study involved the collection of quantitative data at the pretest and posttest stages and the explanation of the quantitative data using qualitative data. The quantitative findings of this sequential explanatory mixed-method case study indicated that there were no statistically significant differences between the pretest and posttest results in the domains of fluency, flexibility, originality, and elaboration as measured with the Alternate Uses Test.

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)0,017
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
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 Opus0,016
Tête enseignante GPT0,424
Écart entre enseignants0,408 · 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'étudeÉtude de cas
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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetCreativity in Education and NeuroscienceTravaux en français237 207