MétaCan
Menu
Retour à la cohorte
Enregistrement W2749081980 · doi:10.3968/9533

Attitudes of Students of Medicine Toward Oral Presentations as Part of Their ESP (English for Specific Purposes) Course

2017· article· en· W2749081980 sur OpenAlexvenueno aff
Giti Karimkhanlooei

Notice bibliographique

RevueHigher education of social science · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésViewpointsPsychologyMedical educationMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

This article takes a functional approach to examine the attitudes of medical students toward oral presentations in English for specific purposes (ESP) courses by focusing on the performances delivered by the students to catch the precise attitude in respect of the effectivity. The article reflects on the shift of attention from sole teacher-centered classes via helping learners to communicate in the globalized age of knowledge by means of emphasis on oral presentations. This approach considers the students’ viewpoints about implementing oral presentations in ESP classes. The attitudes, meanwhile, adhere to learners’ problems which hinder them to be active participants and presenters in their classes. However, there are controversies about the appropriateness and constraints of oral presentations by students in an ESP and EFL learning environment. It seems that with meticulous structured planning and organization, oral presentations can lead to valuable for both learners and teachers. While, such activities account for a break away from textbooks, but provide for students such a learning setting that they attend classes with preplanning and excitement. The introduction of oral presentations to ESP classrooms encourages learners in training themselves to have confident presentations in public. This fact is especially true for students of medicine who find themselves in need of taking part at international programs where they need to speak out their research findings and science-based academic developments.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
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 savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,090
Tête enseignante GPT0,402
Écart entre enseignants0,312 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher education of social scienceMême sujetSecond Language Learning and TeachingTravaux en français237 207