MétaCan
Menu
Retour à la cohorte
Enregistrement W2735978461 · doi:10.5539/elt.v10n8p93

Students’ Perceptions on Using Different Listening Assessment Methods: Audio-Only and Video Media

2017· article· en· W2735978461 sur OpenAlexvenueno aff
Norazean Sulaiman, Ahmad Mazli Muhammad, Nurul Nadiah Dewi Faizul Ganapathy, Zulaikha Khairuddin, Salwa Othman

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive listeningPsychologyPerceptionSet (abstract data type)CurriculumTest (biology)Mathematics educationMultimediaPedagogyComputer scienceCommunication

Résumé

récupéré en direct d'OpenAlex

The importance and usefulness of incorporating video media elements to teach listening have become part of the general understanding and commonplace in the academia nowadays (Alonso, 2013; Macwan, 2015; Garcia, 2012). Hence, it is of vital importance that students are taught effectively and assessed accordingly on their listening skills. The purpose of this study is to examine students’ perceptions towards audio only method and video media method in listening assessment. The participants for this study were 150 students from four different faculties. Pre and post-test were conducted in collecting the data for this study with the same set of questions with two different assessment methods used. The results indicated that the majority of the participants have positive response towards the use of video media as their listening assessment method as it provides authentic, meaningful, and real-life situation contexts. Video has been used as a tool to cater the needs of 21st century learners as these learners are exposed with a lot of visual materials in their daily life. More video media related assessments should be implemented in the second language (L2) classrooms so that students will be more familiar with the different types of assessments present these days. In light of this notion, curriculum developers should be aware of the advancement in technology and ready to invest in changes.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,036
Tête enseignante GPT0,454
Écart entre enseignants0,419 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducation and Technology IntegrationTravaux en français237 207