MétaCan
Menu
Retour à la cohorte
Enregistrement W2607200875 · doi:10.5539/elt.v10n5p104

Female Arab EFL Students Learning Autonomously Beyond the Language Classroom

2017· article· en· W2607200875 sur OpenAlexvenueno aff
Mehtap Kocatepe

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyClass (philosophy)FormalityMathematics educationLanguage acquisitionPedagogyEducational technologyDigital learningLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Benson’s (2011a; 2011b) identification of out-of-class learning as constituted by contexts, resources, levels of formality and more and less intentional pedagogic outcomes was used as a framework to investigate a group of tertiary level female Emirati EFL students’ autonomous out-of-class learning experiences. Data collected via a survey, learner journals and semi-structured interviews indicated that out-of-class use of English and out-of-class language learning played a significant role in the lives of students beyond the classroom. These students utilised naturally occurring material resources, in particular movies, television, the Internet and digital and print texts, with varying levels of pedagogic intentionality, in the privacy of homes and perceived such resources as conducive to facilitating language learning. Students created and utilised self-directed naturalistic learning opportunities more than self-instruction and naturalistic learning. The study found that exercising choice and being intrinsically motivated were integral to autonomous out-of-class learning. Discursive resources were influential in enabling or constraining recognition and utilisation of social resources in creating learning opportunities. The paper ends by giving recommendations to educators for creating effective support for autonomous out-of-class language learning.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
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 Opus0,026
Tête enseignante GPT0,406
Écart entre enseignants0,379 · 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'étudeQualitatif
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetCommunication in Education and HealthcareTravaux en français237 207