MétaCan
Menu
Retour à la cohorte
Enregistrement W2906907713 · doi:10.5539/ach.v11n1p1

The Research on Effectiveness of Communicative Language Teaching in China

2018· article· en· W2906907713 sur OpenAlexvenueno aff
Bao e Song

Notice bibliographique

RevueAsian Culture and History · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommunicative language teachingChinaCommunicative competencePopularityArgument (complex analysis)PedagogySociologyClass (philosophy)Norm (philosophy)Class sizeMathematics educationLanguage educationPsychologyPolitical scienceEpistemologySocial psychologyLaw

Résumé

récupéré en direct d'OpenAlex

Since China initiated Communicative Language Teaching (CLT) practice, it has enjoyed increasing popularity amongst educational practitioners as well as professional researchers. This paper undertakes an in-depth and all-around analysis of pedagogical practices of English class so as to ascertain the feasibility and effectiveness of CLT in China. Although China’s educational system is centrally-controlled, the top-down intervening policy of CLT fails to improve students’ interactive competence. Due to the contextual constraints including excessive class size, limited class hours, Confucian heritage culture, teacher equalizations as well as norm-referenced assessment, current situation of English Language Teaching (ELT) nevertheless is far from aligning with the tenet of CLT. This paper reveals that direct transfer of western–originated CLT practice is infeasible and ineffectual without considering the specific contextual factors in China and doomed to be a failure. Based on this argument, a combination of traditional pedagogy and CLT with an eclectic and dichotomous perspective is proposed and recommended to put into practice in the hope of adapting CLT paradigm to the particular Chinese contexts.

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)0,022
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 enseignants0,061
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,040
Tête enseignante GPT0,317
Écart entre enseignants0,277 · 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Culture and HistoryMême sujetSecond Language Learning and TeachingTravaux en français237 207