MétaCan
Menu
Retour à la cohorte
Enregistrement W2784162687 · doi:10.5539/elt.v11n2p82

Effects of Sustained Impromptu Speaking and Goal Setting on Public Speaking Competency Development: A Case Study of EFL College Students in Morocco

2018· article· en· W2784162687 sur OpenAlexvenueno aff
Latifa El Mortaji

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImpromptuPublic speakingPsychologyRubricCompetence (human resources)PedagogyMedical educationMathematics educationSocial psychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

Research on impact of sustained impromptu speaking on public speaking competency development is scarce and lacking. The researcher investigated Moroccan college students’ public speaking competency development through extemporaneous (i.e. carefully prepared and rehearsed) speech performance, after implementation of a teaching strategy involving treatment through weekly impromptu (i.e., involving little or no preparation) speaking sessions combined with individual goal-setting strategy (teacher feedback). For this purpose, the researcher assessed 64 extemporaneous speeches delivered over the course of a semester using the public speaking competence rubric (PSCR), and observed the students’ public speaking progress through 90 impromptu speaking activities using a weekly goal-setting strategy. Results revealed that a combination of sustained impromptu speaking and goal-setting contributed significantly and effectively to public speaking skills development over the course of the semester. They also clearly showed that the teacher’s weekly goal-setting strategy played a major role in building speakers’ confidence and overall improvement. Considering the linguistic and cultural background of the students involved, together with the speech genres and the instructor’s task requirements, new public speaking competency dimensions and sub-dimensions have been identified.

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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,718

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 ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,373
Écart entre enseignants0,355 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetCommunication in Education and HealthcareTravaux en français237 207