MétaCan
Menu
Retour à la cohorte
Enregistrement W2766920640 · doi:10.5539/elt.v10n11p214

The Major in Cultural Context: Choosing Liberal Arts in the Marshall Islands

2017· article· en· W2766920640 sur OpenAlexvenueno aff
C. A. DeCoursey, Ewa Krawczyk

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiberal arts educationAffectionPsychologyContext (archaeology)InstitutionPedagogyColonialismAccreditationCultural competenceTeaching methodHigher educationSociologySocial psychologySocial sciencePolitical scienceLawHistory

Résumé

récupéré en direct d'OpenAlex

Choosing a major is part of liberal arts (LA) education in American-accredited colleges across the world. In global second-language (L2) contexts, the choice of major is shaped by local cultural factors. This study of 192 undergraduates at an English-medium-of-instruction (EMI) college in the Republic of the Marshall Islands (RMI) used a survey, content and Appraisal analyses to explore what the LA major means to RMI youth. Results showed they were positive about LA, but little engaged with it outside the classroom. This probably reflected the institution’s traditional concept of LA and outdated western teaching approaches, and a failure to incorporate elements of an authentic local culture of teaching and learning. Appraisal data indicated participants associated positive, congruent desire, interest and affection for the LA major, but also low utility and worth with LA class content, revealing a need to convey the utility of the LA skill set for employment. Finally, LA majors were intrinsically, whereas education, business and nursing majors were pragmatically motivated, reflecting the colonial heritage. Overall, results foreground the colonial character of current teaching practice, and the need to use authentic teaching and learning modalities, to support RMI students’ pragmatic needs, particularly given their emigration prospects.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,272
Écart entre enseignants0,251 · 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'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 Learning and TeachingTravaux en français237 207