MétaCan
Menu
Retour à la cohorte
Enregistrement W3113705136 · doi:10.5430/ijhe.v10n3p100

The Effectiveness of Cooperative Work Procedure in Enhancing Translation Skills among Saudi Students of Translation at King Khalid University

2020· article· en· W3113705136 sur OpenAlexvenueno aff
Ali Albashir Mohammed Alhaj, Mohammed H. Albahiri

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnglish Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationTranslation (biology)Test (biology)PsychologyCooperative learningMedical educationComputer scienceTeaching methodMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

The present paper aimed at exploring the effectiveness of using the translation techniques, namely, Cooperative Work Procedure. (Gerding- Salas, 2000) on teaching translation courses for the students of translation at King Khalid University. The researcher used two tools to collect data, a translation test, and a questionnaire which were designed by the researcher. The purposive sample of the study consisted of forty-eight students of translation who were assigned randomly to two groups, i.e., experimental and control. One group extensively utilized Cooperative Learning, whilst the other did not. The paper revealed that the utilization of Cooperative learning (CL) in teaching translation courses take an active part in promoting translation students' performance in translating texts. The experimental group subjects' results show positive obtains through the synthesis of Cooperative Learning (CL) in teaching translation courses. Moreover, data from the questionnaire indicated the students of translation have spectra responses towards cooperative learning and a majority of them favored working alone. The study also revealed that nearly all of the students of translation appreciated fully the issue of discussing and debating their renditions tasks with their colleagues while they do not like the idea of working in groups.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,281
Écart entre enseignants0,272 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEnglish Language Learning and TeachingTravaux en français237 207