MétaCan
Menu
← Retour à la cohorte
Enregistrement W3148481662 · doi:10.5539/elt.v14n4p55

Characteristics of Pronoun “Who and Its Concordance” in Chinese College Students’ English Narrative Writing from the Perspective of Corpus-Based Method - A Case Study of Series of Compositions of “The Most Unforgettable Person I Ever Know”

2021· article· en· W3148481662 sur OpenAlexvenueno aff
Xiping Li

Notice bibliographique

RevueEnglish Language Teaching · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education of the People's Republic of China
Mots-clésPronounLinguisticsPsychologySentencePerspective (graphical)AdverbialAttributiveNarrativeComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Writing is one of productive skills and a way of conveying information considered to be the most complex and the most challenging skill for EFL English learners to acquire, hence many studies have been conducted on the revelation of the characteristic of writings of EFL learners and how to improve them. Among them, pronoun study has attracted extensive interest and become a hot spot in the second language acquisition and contrastive linguistics. Taking a series of compositions of “The most unforgettable person I ever know” as subject, this study is devoted to reveal the characteristics of “who and its concordance” in Chinese college students` English narrative writing from the perspective of corpus-based method. Result of contrastive analysis of writing from 630 college students of 3 colleges in the past 6 years shows: 1) As a whole, WIC can be regarded as common words for Chinese college students but the distribution of individual word is relatively disproportionate-“who” attracts far more attention while the other 4 words attract little or no attention. 2) In terms of sentence type, the distribution of the 5 types is imbalance with too little use of adverbial clause and too much of attributive clauses. In addition, the learners are used to utilizing simple and identical sentence structure and some of them are highly repetitive. 3) The use frequency of WIC of individual student shows that the majority numbers of learners have formed the habit of using them to depict interpersonal relationship and their distribution is unbalanced too. 4) As to the clusters, the learners have formed the habit of preference use of “who” as a relative pronoun above all. And some clusters are highly identical and simple. 5) To sum up, the majority of learners in this study can employ WIC consciously in their writing, but their usages are confined to simple words and structures. Therefore, the learner`s comprehensive competence of integrated employment of WIC should be improved.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 GPT0,299
Écart entre enseignants0,290 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language Teaching→Même sujetNatural Language Processing Techniques→Travaux en français237 207→