MétaCan
Menu
Retour à la cohorte
Enregistrement W2745697795 · doi:10.5539/elt.v10n9p232

Biting off More Than They Can Chew? The Impact of Pedagogical Application of Corpus on Vocabulary Ability of Intermediate-Level ESL Learners in Mainland China: A Quasi-Experimental Study

2017· article· en· W2745697795 sur OpenAlexvenueno aff
Jing Shi

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesGuangdong Office of Philosophy and Social Science
Mots-clésVocabularyMainland ChinaPsychologyContext (archaeology)Mathematics educationVocabulary developmentTeaching methodPedagogyChinaLinguistics

Résumé

récupéré en direct d'OpenAlex

The pedagogical values of corpora for ELT have been widely acknowledged and exploited, but their direct application in classroom teaching has entailed many difficulties. This project aims to investigate the impact of the pedagogical application of corpora on the vocabulary ability of intermediate-level ESL learners in mainland China. This quasi-experimental research study was conducted primarily using pretests and posttests of vocabulary knowledge with one experimental group and one control group of 15 respondents in each group, respectively. Findings indicate that the pedagogical application of a corpus with adequate instruction is more effective and efficient in improving learners’ vocabulary. It is hoped that this research can contribute significantly to the education of ESL learners within the Chinese context by promoting more informed, curious, and critical engagement through English lexical 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,305
Score d'incertitude au seuil0,985

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,389
Écart entre enseignants0,353 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetSecond Language Acquisition and LearningTravaux en français237 207