MétaCan
Menu
Retour à la cohorte
Enregistrement W2942846752 · doi:10.15642/nobel.2019.10.1.71-86

Young Learners’ Perceptions on the Implementation of Online English Proficiency Test

2019· article· en· W2942846752 sur OpenAlexaboutno aff
Diah Royani Meisani, Pupung Purnawarman

Notice bibliographique

RevueNOBEL Journal of Literature and Language Teaching · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesLembaga Pengelola Dana Pendidikan
Mots-clésTest (biology)LaptopPsychologyFeelingPerceptionMathematics educationQuarter (Canadian coin)Digital mediaMedical educationComputer scienceSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The present study made use of Cambridge Online English Test for Children and Young Learner to explore how young learners perceived the implementation of an online test and to what extent the ICT backgrounds and English exposures correlated to their online English test achievement. Three data collection strategies were used to gather the data that involved second to sixth-grade elementary school students as the participants. The instruments were: 1) Online English Proficiency Test for Young Learners; 2) observation field notes; and (3) interviews. The findings revealed that students’ test scores diverse as their grade levels were also various. The mean score was 10.53 which could be categorized into Movers level which was in the middle level. It was also found that the three-quarter of the participants declared that they preferred having an online test as it gave them new experiences and comfortable feeling with taking a test on laptop or smartphones. From further investigation to the randomly selected six students, it was revealed three factors were majorly influential for young learners in benefitting the digital technology use. They were: 1) family socio-economic background; 2) parental involvement in children’s digital media use; and 3) learners’ personal motivation in using the digital media.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,178

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,310
Écart entre enseignants0,302 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOBEL Journal of Literature and Language TeachingMême sujetChild Development and Digital TechnologyTravaux en français237 207