MétaCan
Menu
Retour à la cohorte
Enregistrement W3167027093 · doi:10.1177/13621688211019599

Researching language skills and strategies

2021· article· en· W3167027093 sur OpenAlexaff
Hossein Nassaji

Notice bibliographique

RevueLanguage Teaching Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPsychologyLinguisticsLanguage proficiencyMathematics educationComprehension approachLanguage assessmentPedagogyLanguage education

Résumé

récupéré en direct d'OpenAlex

In this issue of Language Teaching Research (LTR), there are seven articles that cover a wide range of issues in language teaching, with a focus on language skills and strategies essential for communication.One of the most common and important communication skills is writing, which also plays an essential role in L2 development and in learners' educational and academic success.The first three articles in this issue of LTR focus on L2 writing.Zhang reports a study that evaluated how using L1 or L2 during collaborative writing affects students' pair talk and the use of lexico-grammatical features of the text.Seventy Chinese learners of English performed two argumentative writing tasks in pairs under two interaction conditions (L1 vs. L2).An analysis of the texts in the two interaction conditions found an important role for L1 interaction in producing lexico-grammatical features.The analysis of the students' interactions during pair work showed that L1 interaction helped learners focus more on language features and task management, whereas L2 interaction facilitated the practice of the L2.The findings of this study are important as they suggest that using L1 during L2 collaborative writing facilitates L2 writing development.Lee compared the similarities and differences in two types of writing courses: an ESL (English as a second language) writing course and a first-year university composition course.To this end, the researcher analyzed the course syllabi and assignments and also interviewed a number of students and instructors.The findings showed that the courses were similar in that both required writing essays.However, differences were also found in areas such as the topic, purpose, and the rhetorical functions for which the texts were written.The interview data further showed that although students were aware of the similarities and differences, they focused more on the differences and showed a less accurate understanding of the nature of the assignments.Bai and Guo addressed the role of motivation and self-regulated strategy use in L2 writing.The researchers investigated the differences in motivation and self-regulated strategy use and their relationship with writing in English among Hong Kong

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)0,006
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,003
Communication savante0,0060,009
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,050
Tête enseignante GPT0,476
Écart entre enseignants0,426 · 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'étudeSans objet
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 présentnon

Explorer davantage

Même revueLanguage Teaching ResearchMême sujetLinguistic Variation and MorphologyTravaux en français237 207