MétaCan
Menu
Retour à la cohorte
Enregistrement W3141965143 · doi:10.29173/iasl7956

Storytelling and Sustained Silent Reading in Foreign Language Acquisition: Evidence from Taiwan

2021· article· en· W3141965143 sur OpenAlexvenueno aff
Sy-Ying Lee

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStorytellingReading (process)Foreign languageBridge (graph theory)Class (philosophy)First languageSecond-language acquisitionFactor (programming language)LinguisticsComputer scienceLanguage acquisitionPedagogyPsychologyMathematics educationNarrativeArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

English education in Taiwan has been an issue for many years and the search for the core of the problem is still ongoing. What has been missing in our English education? This paper attempts to deal with several interrelated issues which are believed to be of vital importance when discussing the problem of our English education and when trying to determine ways of improving it: (1) storytelling as an indispensable first step; (2) storytelling as the bridge to independent reading; (3) extensive reading as the most enjoyable and effective means for continuing language acquisition, (4) extensive reading in the form of in-class sustained silent reading as the most important factor for developing one’s academic language as well as writing ability. Finally, (5) I intend to hypothesize, with the support of research and theory, that there is a developmental path for foreign language acquisition which corresponds very well with first language development.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,049
Tête enseignante GPT0,357
Écart entre enseignants0,308 · 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'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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetDigital Storytelling and EducationTravaux en français237 207