MétaCan
Menu
Retour à la cohorte
Enregistrement W3011647376 · doi:10.5539/elt.v13n4p15

Impact of Related Activities on Reading Comprehension of EFL Students

2020· article· en· W3011647376 sur OpenAlexvenueno aff
Ali S. Alghonaim

Notice bibliographique

RevueEnglish Language Teaching · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionPsychologyReading (process)CasualMathematics educationSignificant differenceClass (philosophy)Extensive readingControl (management)ComprehensionLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

This experimental study reported in this article is casual research since it aims to improve reading comprehension of EFL students by means of applying pre-related reading activities. The study is quantitative. It used two instruments: (1) Reading Engagement Scale developed by Whitaker (2003) to determine the efficacy of pre-related reading activities and (2) pretest/posttest to measure comprehension level after implementing related reading activities. The subjects, Saudi EFL learners, were students in an English college in Buraidah city. The research used two groups: experimental and control groups. The subjects in the control group (27 students) were receiving a regular reading instruction, whereas those in the experimental group (24 students) did some pre-related reading activities at home and before the class. Multiple statistical tests were used to find out reliability, regression, and pearson correlation. The result of the study showed that the difference between the two groups was statistically significant. The students in the experimental groups far outperformed those in the control group. The study suggests that EFL learners' comprehension level increases with reading engagement that is related to the class reading. Recommendation of this finding for EFL reading environment is discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,035
Tête enseignante GPT0,402
Écart entre enseignants0,368 · 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

Citations35
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Practices and ChallengesTravaux en français237 207