MétaCan
Menu
Retour à la cohorte
Enregistrement W3126565908 · doi:10.1016/j.heliyon.2020.e05534

Academic and real-life task-based language needs of marine engineering students: interface between students' and subject teachers' perspectives

2021· article· en· W3126565908 sur OpenAlexaff
Goudarz Alibakhshi, Reza Javaheri, Akram Labbafi

Notice bibliographique

RevueHeliyon · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubject (documents)Task (project management)English for specific purposesMathematics educationDescriptive statisticsNeeds analysisEnglish for academic purposesComputer scienceField (mathematics)PsychologyInterface (matter)Medical educationEngineeringLibrary scienceMedicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

English for Specific Purposes (ESP) and Needs Analysis (NA) have been studied to a great extent, since a couple of decades ago. The review of the related studies also shows that needs analysis has been of much concern to the researchers interested in the ESP field. However, ESP for the students of marine engineering has not been investigated in terms of the task-based language needs. The researchers used a quantitative survey. To collect the data, a researcher developed questionnaire consisting of two components (academic & real-life) was employed. The data were analyzed through descriptive and inferential statistics (independent samples-t-tests). Both ME students and subject specialists believed that the academic and real-life task-based language needs are important to ME students. Results also showed that the differences between mean scores of the students and subject specialists were statistically significant. It can be concluded that maritime engineering students, to accomplish their study, need mastery in both receptive and productive language skills. Findings are both theoretically and pedagogically important to ESP educators, administrators of the universities as well the policymakers and administrators of marine engineering.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,286
Écart entre enseignants0,270 · 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetSecond Language Learning and TeachingTravaux en français237 207