MétaCan
Menu
Retour à la cohorte
Enregistrement W2903333935 · doi:10.5539/ass.v14n12p29

Request Strategies: A Contrastive Study Between Yemeni EFL and Malay ESL Secondary School Students in Malaysia

2018· article· en· W2903333935 sur OpenAlexvenueno aff
Amr Abdullatif Yassin, Norizan Abdul Razak

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clésMalayPolitenessPsychologyFirst languageSocial powerRealization (probability)Mathematics educationSociologyLinguisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to investigate the types of request strategies employed by Yemeni and Malay secondary school students in English language. It also aimed at investigating the influence of social power and social distance on the students’ choice of request strategies. The data was collected through a discourse completion test (DCT) and the analysis used both Blum-Kulk’s et al. (1989) Cross-Cultural Speech Act Realization Patterns (CCSARP), and Scollon and Scollon’s (1995) politeness system. The findings of the study showed that both groups often use non-conventionally indirect request strategies by means of query preparatory. The analysis revealed that both groups do not take into consideration the social power and the social distance between the interlocutors because they always use the same strategies with any person. The students have this sociopragmatic knowledge in their mother tongue; however, both groups are not sensitive to the social power and social distance existing between the interlocutors as they lack the sociopragmatic knowledge in the target language. Moreover, the students almost use the same strategies even though they have different cultural backgrounds, and this might be attributed to their assimilation in the school learning environment which is a positive indicator for conductive learning environment.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,030
Tête enseignante GPT0,346
Écart entre enseignants0,316 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207