MétaCan
Menu
Retour à la cohorte
Enregistrement W2905247772 · doi:10.5539/elt.v12n1p98

Improving EFL Learners’ Critical Thinking Skills in Argumentative Writing

2018· article· en· W2905247772 sur OpenAlexvenueno aff
Nabila Nejmaoui

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArgumentativeCritical thinkingPsychologyMathematics educationPedagogyTest (biology)Control (management)Teaching methodLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

In the 21st century where information has become easily available and accessible, education has shifted its attention to teaching students how to process and think critically about the information they receive. Welcoming the changes that education constantly witnesses, the field of English Language Teaching (ELT) has embraced the integration of critical thinking. Accordingly, the present paper aims to explore the effect, if any, of integrating critical thinking on learners’ use of critical thinking skills in argumentative writing. To this end, an experimental study was conducted; 36 Moroccan EFL learners from the department of English were divided evenly into an experimental group and a control group. While the participants in the experimental group were taught writing with critical thinking skills, the others were taught writing with no reference to these skills. The participants in both groups took a pre-test and posttest to evaluate the development of their use of critical thinking skills in argumentative writing. The data which has been quantitatively analyzed indicates that the experimental group significantly outperformed the control group. The students’ ability to use more credible evidence, address alternative arguments, support conclusions, and maintain the logical flow of ideas in their essays did not reach a mastery level in the posttest, yet the average level they reached is reassuring in view of the short time of the training they had. An integration of CT for longer periods may bring forth encouraging outcomes.

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)0,006
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 enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,353
Écart entre enseignants0,341 · 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

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207