MétaCan
Menu
Retour à la cohorte
Enregistrement W3046781590 · doi:10.5539/elt.v13n6p133

A Study on Reticence in College EFL Classrooms: The Role of Diffusion of Responsibility

2020· article· en· W3046781590 sur OpenAlexvenueno aff
Yun Zhou, Yijin Chen

Notice bibliographique

RevueEnglish Language Teaching · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyEnthusiasmClass (philosophy)Mathematics educationSocial psychologyPedagogyEpistemology

Résumé

récupéré en direct d'OpenAlex

The absence of students’ willingness for classroom participation is known to lead to a lose-lose situation where teaching schedules are disrupted, teachers lose enthusiasm, and students hardly learn anything. The problem is plaguing Chinese college EFL teachers as much as it did decades ago. Large quantities of studies have tackled the problem; however, little research has considered how students’ psychology might link to classroom reticence. One psychological factor accountable for inaction when in the presence of a group of people is diffusion of responsibility. Thus, this study explores whether diffusion of responsibility plays a part in college EFL classroom reticence and whether there are any associations between diffusion of responsibility and gender, or English proficiency, or question type, or class size. Data from a questionnaire, interviews, and classroom observations showed that diffusion of responsibility was indeed a cause for class reticence. Further, Spearman correlation analyses found that no correlation existed between diffusion of responsibility and gender, or English proficiency. Paired-samples t-tests showed class size did have an impact on diffusion of responsibility while question type did not make a difference. Several suggestions on containing diffusion of responsibility and building rapport were put forward. The results should assist EFL teachers to work out possible solutions to the problem of class reticence.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,367

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 recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,381
Écart entre enseignants0,348 · 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'étudeQualitatif
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetCommunication in Education and HealthcareTravaux en français237 207