MétaCan
Menu
Retour à la cohorte
Enregistrement W2873489963 · doi:10.5539/elt.v11n8p28

English-Medium Instruction in Self-Financing Tertiary Institutions in Hong Kong – Views and Practices from the Students

2018· article· en· W2873489963 sur OpenAlexvenueno aff
Marine Yeung, Vic Lu

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedium of instructionHigher educationGovernment (linguistics)Tertiary levelPsychologyPolitical scienceMathematics educationPedagogySociologyLinguistics

Résumé

récupéré en direct d'OpenAlex

The medium of instruction (MOI) has been a bone of contention in Hong Kong, a former British colony, since its colonial days. Despite the Hong Kong government’s effort to promote the “biliterate and trilingual” language policy, advocating Cantonese, English and Putonghua as the three official spoken languages and emphasizing the importance of literacy in both written Chinese and English, most tertiary institutions today still adopt English as the medium of instruction (EMI). However, with the expansion of tertiary education in the early 1990s and the decline in the general English language proficiency of university students, some university lecturers have found it difficult to teach in English as required. This raises the issue of the practicality of the indiscriminate adoption of the EMI policy at tertiary level, particularly at the self-financing tertiary institutions where students are generally known to have under-performed in the English subject. In order to understand whether or how the EMI policy is upheld in these institutions, focus group interviews were conducted with students from various programmes of five self-financing tertiary institutions in Hong Kong. The findings indicate these students’ strong preference for English-medium instruction with the belief that it can improve their English proficiency, though their actual approaches to coping with the demand on their limited English and how they view and use the three languages in class deserve policy makers’ serious consideration.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,297
Écart entre enseignants0,272 · 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'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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetSecond Language Learning and TeachingTravaux en français237 207