MétaCan
Menu
Retour à la cohorte
Enregistrement W3038056463 · doi:10.5539/elt.v13n7p111

An Investigation of Metaphoric Cognition of First-Year College Students at Xinxiang Medical University, China

2020· article· en· W3038056463 sur OpenAlexvenueno aff
Ran Zhang, Mogana Dhamotharan

Notice bibliographique

RevueEnglish Language Teaching · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetaphorPsychologyCognitionLiteral and figurative languageSimileCompetence (human resources)Communicative competenceMathematics educationFigure of speechContext (archaeology)College EnglishClass (philosophy)LinguisticsPedagogySocial psychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

The “College English Teaching Reform Project”, issued by the Chinese Ministry of Education aims to strengthen the practical English instruction and improve the English language proficiency of the college students (Ministry of Education, 2007). However, the problem of “naturalness” in handling English by the college students still exists due to imbalanced language forms and concepts between their native language (Chinese) and target language (English). Since metaphor was referred to as only a figure of speech and often compared with simile in high schools, many students do not realize that it also can be a powerful cognitive tool. In order to ascertain the students’ metaphor cognition competence in General English and Medical English, a metaphor cognition questionnaire was distributed in a class and the results obtained show that the respondents can readily recognize the existence of metaphors in General English and the teachers’ instruction, and they know the essential function of metaphors. The results further show that many respondents understand metaphors in terms of the context rather than the images. However, only about half of them can effectively use metaphors in their writing and speaking.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,272
Écart entre enseignants0,260 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207