Review of the Studies on Multimedia Annotation in China Over the Past Two Decades
Notice bibliographique
Résumé
This paper reviews the studies on multimedia annotation from the following perspectives: theoretical construct on multimedia annotation, the empirical research on different effectiveness of types of multimedia annotation on the reading/listening comprehension and vocabulary acquisition, which aims to help the overseas scholars to know the present situation and the direction for the future research on multimedia annotation in China. The source data is mainly from the articles on multimedia annotation published in CNKI from Jan. 2000 to Jan. 2020 (www.cnki.net), and the situation is as follow: (1) most domestic scholars introduce and verify the multimedia annotation theories through empirical researches; (2) the researchers focus more on the effects of the types of multimedia annotation on the reading comprehension and the vocabulary acquisition compared to the effects on listening comprehension, and it could be classified into three effects: positive, negative and no effect, but the factors causing the above effects have not been systematically studied or summarized; (3) most scholars mainly take intermediate and advanced language level learners as the research subjects, the lower level learners should be also considered; (4) in the research of the types of the multimedia annotation, the theme of the research materials in reading/listening comprehension would be a new prospective which has been rarely studied compared to other types. To sum up, more researches should be done to investigate the effects of different types of multimedia annotation to the reading/listening comprehension and vocabulary acquisition, which should cover wider range of subjects and consider different types of experiment materials. And the author believes that it will enhance the EFL learning and teaching in the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».