MétaCan
Menu
Retour à la cohorte
Enregistrement W2884900808 · doi:10.5539/ijel.v8n6p78

Reading Comprehension and Metacognitive Strategies in First Year Engineering University Students in Pakistan

2018· article· en· W2884900808 sur OpenAlexvenueno aff
Mansoor Ahmed Channa, Abdul Malik Abassi, Stephen John, Jam Khan Mohammad, Masood Akhtar Memon, Zaimuariffudin Shukri Nordin

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSyllabusMetacognitionReading comprehensionReading (process)Mathematics educationComprehensionFocus groupPsychologyComputer scienceEngineering educationPedagogyLinguisticsCognitionEngineeringSociology

Résumé

récupéré en direct d'OpenAlex

The paper investigates the use of metacognitive strategies by first year engineering students at the time of classroom practice on reading text. The study was conducted in four engineering departments of a university in Pakistan. Data was collected through focus group interviews of first year engineering students. The researchers developed interview questions which were validated by two experts at university Malaysia Sarawak. Students were divided into 8 groups and each group had 5 informants. The data was recorded in audio-tape and organized gathered data through NVivo version 8 for interpretation of the results. The most important themes were generated through data analysis including thinking through images of the texts, selecting the main ideas, selecting the topic sentences, scanning of the texts, summarizing of the texts, and Questioning. The study contributed theoretically by giving the most promising results which showed that more than half of these groups used metacognitive strategies in classroom reading practice while less than half of groups did not use strategies and remained poor in reading comprehension. This study proposed to develop reading comprehension courses and syllabus based on reading strategies for engineering students.

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)0,000
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,009
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 recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,349
Écart entre enseignants0,330 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207