MétaCan
Menu
Retour à la cohorte
Enregistrement W2800734114 · doi:10.5539/elt.v11n5p116

The Impact of Wikis & Videos Integration Through Cooperative Writing Tasks Processes

2018· article· en· W2800734114 sur OpenAlexvenueno aff
Lubin Fernando Franco-Camargo, Gonzalo Camacho Vásquez

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyGrammarPsychologyAction researchMathematics educationTest (biology)Process (computing)Teaching methodTechnology integrationPedagogyComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

ICT role in education nowadays is not only important, but also effective; its advancement allows a vast opportunity to be explored by EFL teachers into the EFL classroom. This action-research study envisioned and carried out from our teaching practice basis with English language B1 level students at Weisheit institute. Observation and instruments Implementation stages determined the positive impact of the integration of Wikis in EFL classrooms and how cooperative writing processes eased and helped the students improve their writing performance. Indeed, taking into account as a main strategy the “ICT” as a tool to improve teaching practices. This research was conducted through mixed-method approach and included a methodical process through data collection of journals, pre and post writing tests, semi-structured interviews and aptitude test. Of course, by looking upon that the application of these instruments helped us identify certain points of particular interest providing self-reflection on our own teaching-learning processes regarding as main problems; lack of writing skills, lack of vocabulary, grammar mistakes and writing inaccuracy. The strategies implemented had to do mainly with the integration of Wiki websites as a pedagogical instrument to improve writing skills through pre-writing eye-catching elements such as videos implementation in order to trigger motivational writing processes.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,147
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,013
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 ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,427
Écart entre enseignants0,390 · 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.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207