MétaCan
Menu
Retour à la cohorte
Enregistrement W2767289466 · doi:10.5539/elt.v10n12p134

Using Online Computer Games in the ELT Classroom: A Case Study

2017· article· en· W2767289466 sur OpenAlexaffvenue
Ioanna Vasileiadou, Zafiri Makrina

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologyMathematics educationCurriculumClass (philosophy)Reading (process)Foreign languageLanguage acquisitionLiteracyEnglish as a foreign languagePedagogyComputer scienceLinguisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The purpose of this research was to investigate the effectiveness of computer games in learning English as a foreign language and the extent to which they increase motivation in young students. More particularly, this research investigated the validity of the hypothesis that computer games are a particularly motivating means for young students to learn English vocabulary effectively in comparison to other approaches suggested by the Greek National Curriculum. The grade, in which this research was conducted, was the 4th grade of Primary school as it is a borderline grade in which greater demands are imposed on the students of this age group and language level regarding, mainly, their reading and writing skills as in this class, for the first time, it is explicitly stated by the national curriculum that literacy is one of the three basic axons upon which English language learning should be developed. All in all, the results of this research shed light on the effects which new technologies have on language learning as well as their ability to motivate students to learn English. The results of this research will also be used as a basis upon which specific suggestions for the practical implementation of computer games in the everyday classroom can be made.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,003
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,066
Tête enseignante GPT0,415
Écart entre enseignants0,349 · 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

Citations35
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Games and GamificationTravaux en français237 207