Reusing Comprehensive Charts of Tense Forms to Teach EFL Students in a University of Science and Technology.
Notice bibliographique
Résumé
This study investigated 228 English as foreign language freshmen at a university of science and technology insouthern Taiwan to explore the participants’ knowledge of English tense forms by recognizing 12 tense forms andtranslating Chinese sentences into English with specific tense forms. The results showed that the participants whowere taught with the Comprehensive Charts of 24 Tense Forms outperformed their counterparts in the control groupin recognizing the tense patterns and translating the present perfect continuous tense (at a significant level, p＜.05).However, the translation of the other two tense sentences did not reach the statistically significant level. The resultsof this study supported the researcher’s speculation in the previous study, Using Comprehensive Charts of TenseForms to Teach EFL College Students, that the mastery of tense forms was closely related to the subjects’ Englishproficiency level and the non-written context. The instruction with the Comprehensive Charts particularly worked forstudents of the advanced level. A questionnaire designed to explore the participants’ preference of tense formteaching with the Comprehensive Charts indicated that 65.1 percent of the subjects preferred the focus on formSteaching (Doughty & Williams, 1998) and 64.7 percent of them deemed it was the most effective. This present studysuggested storing the grammatical knowledge of tense forms in learners’ memory for future retrieval based on the“Instance Theory.” An Instructional Mode: Using the Comprehensive Charts for Teaching the Tense Forms was alsoappended.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».