MétaCan
Menu
Retour à la cohorte
Enregistrement W2591765943 · doi:10.5430/wjel.v7n1p1

Teaching of Remedial English and the Problems of the Students: A Case of University of Sindh, Jamshoro, Sindh, Pakistan

2017· article· en· W2591765943 sur OpenAlexvenueno aff
Zafarullah Sahito, Abida Siddiqui, Anjum Shaheen, Humera Saeed, Sajad Haider Laghari

Notice bibliographique

RevueWorld Journal of English Language · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemedial educationMathematics educationNonprobability samplingPopulationSample (material)Medical educationComputer sciencePsychologyMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

The research paper is designed to explore the achievement of the aims and objectives of teaching remedial English. Italso aims to know the importance of the course and the problems of the students regarding the teaching of remedialEnglish at university level in Pakistan with special reference to university of Sindh, Jamshoro. In this regard manyefforts were taken by the tutors, lecturers, assistant professors, professors and the administration of the university toenhance the capabilities and efficiencies of the students of undergraduate level. All students of undergraduate leveland the teachers who take remedial English classes are constituted as the Population of the study. Five (n=5) teacherswho teach remedial classes and forty (n=40) students from different departments were recruited as the sample of thestudy through purposive and random sampling techniques. Interviews were conducted from students and tutors whoattend and teach remedial English course respectively. 90% students found unsatisfied from the administration of theclasses and they stressed that the classes should be conducted separately at department level and they demanded forthe basic needed facilities during the classes such as the facility of language laboratory, availability of computers,multimedia, audio and video resources in order to accelerate and enhance the teaching learning process to improveEnglish language skills.

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)0,004
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,004
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,380
Écart entre enseignants0,359 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetMultilingual Education and PolicyTravaux en français237 207