MétaCan
Menu
Retour à la cohorte
Enregistrement W3097202241 · doi:10.5430/ijhe.v9n8p24

Didactic Bases of Turkic Language Teaching Method as a Foreign Language

2020· article· en· W3097202241 sur OpenAlexvenueno aff
Gulnara Rasikhovna Shakirova, Firaz Fakhrazovich Kharisov, Askarbek K. Kusainov

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesKazan Federal University
Mots-clésTatarProcess (computing)Foreign languageMathematics educationComputer scienceWork (physics)Language educationService (business)Communicative language teachingPedagogyLinguisticsSociologyPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

The article is devoted to disclosing the didactic foundations of Turkic language teaching methodology as non-native languages by the example of one of the developed languages - the Tatar language, which, according to UNESCO, is one of the easily acquired languages of the world. The new generation of federal state educational standards sets new requirements for the educational community, namely, implementing a system-activity approach during the educational process organization in public education organizations, which provides for the development of universal educational actions for students. It was established that the proposed didactic principles would contribute to the solution of these problems. During the study, we have proved the effectiveness of their use in conjunction with innovative technologies and teaching aids. However, the final result of the work of a teacher and a student will always depend on the skillful organization of the educational process, on the choice of effective teaching methods and techniques, i.e., the way teachers and students interact, directing their actions to particular problem solution (especially at primary school). At the same time, they concluded that students' communicative abilities would be much higher if teachers take our recommendations into service.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,039
Tête enseignante GPT0,464
Écart entre enseignants0,425 · 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'étudeSans objet
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEducational Practices and ChallengesTravaux en français237 207