MétaCan
Menu
Retour à la cohorte
Enregistrement W3105320271 · doi:10.6000/1929-4409.2020.09.129

Vocabulary of Political Discourse at the English Lessons

2020· article· en· W3105320271 sur OpenAlexvenueno aff
Vilena R. Gagarina, Olga V. Shelestova, Dina P. Sheinina, Irian Vasallo Baez

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLanguage, Communication, and Linguistic Studies
Établissements canadiensnon disponible
Organismes subventionnairesKazan Federal University
Mots-clésVocabularyMeaning (existential)Active listeningForeign languageLinguisticsProcess (computing)ComprehensionComputer sciencePsychologyMathematics educationCommunication

Résumé

récupéré en direct d'OpenAlex

Teaching English is based on the development and improvement of lexical skills, the appropriate use of words, phrases, idioms that are most suitable for describing a particular situation. Understanding words and expressions allows us to convey the meaning of our intentions in the process of communication. The goal of a teacher of a foreign language is to gradually expand the vocabulary of the student and activate the studied vocabulary by organizing a system of exercises that stimulate communicative expressions. «The secondary language personality is viewed by modern linguistics as abilities to communicate in foreign languages. It is difficult to overestimate the importance of that conclusion for the process of teaching a foreign language as it assumes basic distinctions in the choice of teaching methods for various groups of language learners». One of the major problems in learning English is listening comprehension. This problem is faced not only by beginners, but also people with a high level of knowledge. One of the effective teaching methods is to include video materials in the learning process at the English lessons.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,100
Tête enseignante GPT0,411
Écart entre enseignants0,310 · 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'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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetLanguage, Communication, and Linguistic StudiesTravaux en français237 207