MétaCan
Menu
Retour à la cohorte
Enregistrement W3157707325 · doi:10.5539/elt.v14n5p77

Summarization in English as a Foreign Language: A Study Comparing Summary Performances to Summarizers’ Vocabulary Size

2021· article· en· W3157707325 sur OpenAlexvenueno aff
Makiko Kato

Notice bibliographique

RevueEnglish Language Teaching · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologyLanguage proficiencyLinguisticsForeign languageAutomatic summarizationMathematics educationComputer scienceNatural language processing

Résumé

récupéré en direct d'OpenAlex

The study examined the impact of a first language’s summarizing skill and second language vocabulary size on summary performances in a second language. A total of 40 English as a Foreign Language (EFL) learners from a Japanese university with a mixed level of English language proficiency were asked to write a summary in English (i.e., their non-native language, L2) and in Japanese (their native language, L1) from a text written English and Japanese respectively. The effect of L1 summarizing skill on L2 summary performances was examined using multiple regression analysis. L1 summary performances (i.e., summarizing skill) slightly influenced English summary performances for summary writers with lower-level English language proficiency but not L2 summary performances for those with higher-level English language proficiency. The participants’ vocabulary size measured by Nation’s (2007) test was positively correlated with their English summary performances. Moreover, the results showed that the vocabulary size in the highest and smallest-vocabulary size groups was correlated with scores on two rating scales (i.e., Language use and Source use) in their English summary. In contrast, the vocabulary size in the middle-level vocabulary size groups was correlated with their scores on two different rating scales (i.e., Main idea coverage and Integration) in their English summary. This study concluded that L1 summary performance had not impact on L2 summary performances because several characteristics influence of summary writers’ English vocabulary size. The study made several recommendations to EFL teachers who teach summary writing and for further study.

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)0,018
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,008
Tête enseignante GPT0,270
Écart entre enseignants0,262 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetNatural Language Processing TechniquesTravaux en français237 207