MétaCan
Menu
Retour à la cohorte
Enregistrement W2804571174 · doi:10.5539/ells.v8n2p85

An Empirical Research on Application of Cohesion Theory in College Listening EFL Teaching

2018· article· en· W2804571174 sur OpenAlexvenueno aff
Chunxia Fu

Notice bibliographique

RevueEnglish Language and Literature Studies · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCognitive Science and Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)College EnglishMathematics educationActive listeningListening comprehensionEmpirical researchSignificant differenceReading comprehensionPsychologyTest (biology)Class (philosophy)The artsReading (process)Computer scienceLinguisticsMedicineMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Cohesion Theory of Halliday and Hasan has been widely applied in different subjects of College EFL teaching, particularly in reading comprehension, writing and translation practice. It can also be a practical theory for College Listening EFL Teaching. Based on that theory, an empirical research is carried out among the freshmen from two classes in Yangtze University College of Arts and Sciences, and it lasts for 16 weeks. One of the classes is Control Group (CG) and the other is Experimental Group (EG). Both groups have the same amount of exercises from the same teaching materials but with different guidance in class: the subjects in CG are taught in traditional ways while those in EG are trained with the guidance of Cohesion Theory. After the experimental teaching period, the data collected from students’ pre-test and post-test scores is analyzed by the SPSS software program. The pre-test results show that there is no statistically significant difference between the scores of EG and CG before the experiment (P= 0.932>0.05). While the post-test results demonstrate that there is a considerable improvement on the scores of the subjects in EG than that of CG (P=0.009 < 0.05).

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)0,010
score de la tête « metaresearch » (Gemma)0,040
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,075
Tête enseignante GPT0,484
Écart entre enseignants0,408 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetCognitive Science and Education ResearchTravaux en français237 207