MétaCan
Menu
Retour à la cohorte
Enregistrement W3132724011 · doi:10.5430/ijhe.v10n4p135

The Effects of Extended Micro-Teaching Applications on Foreigners' Views on Motivation, and Process of Learning Turkish

2021· article· en· W3132724011 sur OpenAlexvenueno aff
Oğuzhan Sevim, Merve Suroğlu Sofu

Notice bibliographique

RevueInternational Journal of Higher Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurkishPsychologyAnxietyMathematics educationForeign languageScale (ratio)PopulationProcess (computing)Computer scienceLinguisticsMedicine

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to examine the effects of extended micro-teaching practices on foreigners' views on motivation, anxiety and process of learning Turkish. In the study, an exploratory sequential design, one of the mixed research designs in which quantitative and qualitative research techniques are used together, was applied. The study population consisted of 37 A2 level students studying at a private university in Istanbul, Turkey. In the study, the Turkish Learning Anxiety Scale of Foreigners to measure the anxiety of learning Turkish as a foreign language, the Motivation Scale for Learning Turkish as a Foreign Language to measure their motivation during learning Turkish, and the semi-structured scale interview form to evaluate students' opinions about the process were used. While simple and predictive statistical techniques were applied in the analyses of the data obtained through scales before and after the experimental process, the descriptive analysis technique was used in the analysis of the data obtained with the interview form. According to the findings of the study, the extended micro-teaching practices increased the motivation of foreigners during learning Turkish and reduced their language learning anxiety to a normal level. Besides, interviews with the students confirmed these results.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,364
Écart entre enseignants0,352 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetEducation and Technology IntegrationTravaux en français237 207