MétaCan
Menu
Retour à la cohorte
Enregistrement W2906954932 · doi:10.5539/ijel.v9n1p135

Effect of Self-Organized Learning Environment on the Comprehension of ESL Learners at Primary Level in Pakistan

2018· article· en· W2906954932 sur OpenAlexvenueno aff
Mohammad Akram, Mamuna Ghani

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComprehensionMathematics educationReading comprehensionPsychologySignificant differenceComputer scienceLinguisticsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The research is designed to study the effect of self-organized learning environment (SOLE) on the comprehension of the learners of English as Second Language at primary level in Pakistan. This study is conducted under the influence of Mitra (1999) experiments in child driven education. By using convenient sampling, two groups of thirty two ESL learners of grade 5th from one government school are selected randomly for the research. To find out whether SOLE is effective for learning comprehension, the researchers have used quasi experiment. The tools used for this experiment are pretest and posttest. One group of thirty two students is taken as controlled group and is taught how to have ESL comprehension by traditional method. The other group is experimental group and the researchers leave the learners in IT lab to learn ESL comprehension independently. The researchers assign some tasks to the learners and they complete these tasks by using computer on their own. After the experiment of 20 days it has been found from the comparison of the results gained through posttest from both the groups that the effect of self-organized learning environment on the comprehension of ESL learners is more than the traditional learning environment. The aim of this study is to enable the learners to learn English comprehension by the use of computer under self-organized 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 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)0,001
score de la tête « metaresearch » (Gemma)0,024
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,788
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,024
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 Opus0,018
Tête enseignante GPT0,330
Écart entre enseignants0,312 · 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'étudeSans objet
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetEducation and Technology IntegrationTravaux en français237 207