MétaCan
Menu
Retour à la cohorte
Enregistrement W3109884980 · doi:10.32601/ejal.834681

Thinking fast and slow about willingness to communicate: A two-systems view

2020· article· en· W3109884980 sur OpenAlexaffabout
Peter D. MacIntyre, Lanxi Wang, Gholam Hassan Khajavy

Notice bibliographique

RevueEurasian Journal of Applied Linguistics · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésPsychologyWillingness to communicateCognitive psychologyInternet privacySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

How does a person decide whether she or he is willing to communicate?Dual-process theories have been influential in the literature on the psychology of making judgments and decisions.Dual-process theories make a distinction between cognitive processes that are fast, automatic, and unconscious (also called 'experiential' thinking) and those that are slow, deliberative, and conscious (also called 'rational' thinking).The study assesses differences in willingness to communicate (WTC) ratings made based on rational and experiential processes, and differences between native to second language WTC.Data were collected from a sample of 84 students in Iran and 82 students in Canada.Both groups assessed their WTC using English as a second language in Iran and as a native language in the Canadian sample.Data analysis showed that a preference for using rational thinking, as measured by the Rational-Experiential Inventory (Pacini & Epstein, 1999), was correlated with WTC ratings made fast and slow, but only in the second language.We also found WTC ratings were significantly higher when made fast compared to slow, regardless of language group.Pedagogical implications are discussed with advice to teachers how to capitalize on rational thinking and to avoid hesitation in communication.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
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: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,013
Communication savante0,0100,011
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
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 Opus0,038
Tête enseignante GPT0,259
Écart entre enseignants0,221 · 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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEurasian Journal of Applied LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207