MétaCan
Menu
Retour à la cohorte
Enregistrement W2767544016 · doi:10.5539/elt.v10n12p172

Morphological Derivations: Learning Difficulties Encountered by Public Secondary School Students in Amman/Jordan

2017· article· en· W2767544016 sur OpenAlexvenueno aff
Maha Zouhair Naseeb, Majid Abdulatif Ibrahim

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Linguistics, Cultural Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSentencePsychologyMathematics educationRelation (database)Order (exchange)Qualitative researchLinguisticsSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

This study aims at investigating the difficulties encountered by public school students in Amman/ Jordan. The study raises the following questions: What are the obstacles that students may encounter in relation to the derivations? What are the causes of such obstacles? To achieve the aims of the study, the researchers manipulate two methods: A quantitative approach in which students of public secondary schools are tested and pre-tested in order to fulfil the reliability and validity of the results and a qualitative approach using interviews with teachers at the same secondary schools and one supervisor in Amman Third Educational Directorate (AL-Qwesmeh). The main results the study reaches can be summed up as follows: students are so poor not only in derivations and derivational suffixes but also in other linguistic topics. In other words, the problem of committing mistakes in derivational suffixes can obviously be regarded as being accumulative problem resulting from other problems which students are encountering in relation to, for example, parts of speech, word order or sentence patterns. Derivations and derivational suffixes should be taught in early stages such as the 8th grade or 9th grade rather than in the last ones like 11th grade or 12th grade.

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)0,002
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,250 · 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

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetLanguage, Linguistics, Cultural AnalysisTravaux en français237 207