MétaCan
Menu
Retour à la cohorte
Enregistrement W2800590893 · doi:10.5539/elt.v11n5p68

The Interconnectedness Between Experience and Intelligence to English Language Teaching

2018· article· en· W2800590893 sur OpenAlexvenueno aff
Andrew Philominraj, Maria Bertilla, Bruno E. Ramirez-Muñoz, Andrea Fuentealba

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyCommunicative language teachingLanguage educationLanguage assessmentCommunicative competenceLanguage acquisitionLinguistic competenceTeaching methodComprehension approachCompetence (human resources)LinguisticsPedagogyMathematics education

Résumé

récupéré en direct d'OpenAlex

In today’s globalized world the importance of English language is beyond discussion. The thrust and focus of all the existing English language teaching theories, approaches and methods is to enable teachers and learners attain optimum success in the teaching and learning of English language. In spite of using all these resources in teaching, English language learning seems a difficult task to be mastered by learners. The contemporary models of communicative competence show that there is much more to the learning of a language and that include the vital component of learners cultural knowledge and awareness. Hence, this article by means of a qualitative descriptive approach aims to explore two concepts: intelligence and experience, and their interconnectedness, which opens new avenues to the teaching of English language.

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)0,003
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 enseignants0,184
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,361
Écart entre enseignants0,336 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEmotional Intelligence and PerformanceTravaux en français237 207