MétaCan
Menu
Retour à la cohorte
Enregistrement W2954746266 · doi:10.5539/ijel.v9n4p241

The Implementation of Communication Strategies to Exchange and Negotiate Meanings in a Simulation of Job Interview

2019· article· en· W2954746266 sur OpenAlexvenueno aff
Steffie Mega Mahardhika, Dwi Rukmini, Abdurrachman Faridi, Januarius Mujiyanto

Notice bibliographique

RevueInternational Journal of English Linguistics · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationIndonesianJob interviewPsychologyConversationComprehensionPropositionIntercultural communicationSocial psychologyDyadReinterpretationFeelingLinguisticsPedagogySociologyCommunication

Résumé

récupéré en direct d'OpenAlex

Students of English as a foreign language find it difficult to initiate a talk and exchange meanings in an interaction. They find it hard to break the iceberg and act by asking, commanding and answering to make the speakers or listeners’ intention fulfilled. As such they do not have medium to exchange experiences. The present study aims to explain the way meanings are negotiated and exchanged in the implementation of communication strategies in a simulation of a job interview. The subjects of this qualitative study are students of Indonesian Vocational College. The object of the study is the students’ utterances in the interview. Functional semantic reinterpretation of turn-constructional units of conversation analysis is implemented to explain how the students exchange and negotiate meanings. The findings suggest that the realization of exchange and negotiation of meanings is influenced by moves assigned to speech functions classes and the types of meanings implemented in the act of production and comprehension of the whole communication. The subjects of the present study can be categorized into productive speakers. The students negotiate feelings and attitudes more than that of the content of the proposition.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,752
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 Opus0,040
Tête enseignante GPT0,354
Écart entre enseignants0,313 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207