Juegos de lenguaje para mejorar la habilidad del habla en estudiantes de los primeros niveles del idioma inglés en la universidad
Notice bibliographique
Résumé
Esta investigación tuvo como objetivo descubrir si los juegos de lenguaje utilizados como estrategia de enseñanza mejoran la habilidad de hablar inglés. La población objetivo era cincuenta y dos estudiantes de los primeros niveles en una universidad en Ecuador. Veintiséis estudiantes fueron parte del grupo experimental y los veintiséis estudiantes restantes fueron parte del grupo de control. Se aplicó una prueba previa para ambos grupos para conocer su nivel de conversación. Los resultados demostraron que ambos grupos tenían un nivel de habla muy básico. En consecuencia, los juegos de lenguaje se aplicaron a los estudiantes en el grupo experimental como una estrategia para mejorar su habilidad de hablar inglés. Después de este proceso, los estudiantes de ambos grupos tomaron una prueba posterior para ver si los juegos utilizados durante las clases hicieron alguna diferencia con respecto a la habilidad de hablar. Los hallazgos indicaron que los estudiantes que pertenecían al grupo experimental obtuvieron un promedio más alto en la prueba posterior en comparación con el promedio obtenido por el grupo de control. Por lo tanto, es importante considerar que los promedios del grupo experimental superaron a los promedios del grupo de control. En base a estos hallazgos, los juegos como estrategia de enseñanza mejoraron la habilidad de hablar inglés en los estudiantes de primer nivel de la universidad.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».