MétaCan
Menu
Retour à la cohorte
Enregistrement W3185616021 · doi:10.52598/jpll/3/1/4

Effects of the Internalization of Peer-Modeled Self-efficacy on Coping with L2 Communication Stress

2021· article· en· W3185616021 sur OpenAlexaboutno aff
Jennifer Claro

Notice bibliographique

RevueJournal for the Psychology of Language Learning · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésPsychologyFeelingSocial psychologyCoping (psychology)Intercultural communicationSelfPedagogyClinical psychology

Résumé

récupéré en direct d'OpenAlex

This mixed-methods study explores the self-regulation of two Japanese university students in response to the stressful situation of feeling unable to communicate effectively in English with foreigners. Qualitative data from interviews are used to interpret the quantitative results of the two students, who were part of an online intercultural Japan-Canada university exchange in which half of the communication was in English. Due to the reality check of using English for communication with foreigners, both students realized that their English communication skills were weak. Self-efficacy and coping strategies modeled by peers were internalized by one student who could subsequently cope with the demands of interacting in English, and who developed a challenge orientation and set a new goal as a result. The other student became demotivated and withdrew over time. Theories related to stress and coping, self-efficacy, peer modeling, internalization, self-regulation, and possible selves are incorporated to provide a multi-dimensional view of the processes involved in the self-regulation of these students. By looking at the experiences of the two students at the individual level, insight may be gained into the reasons behind student engagement in and withdrawal from L2 learning processes. In particular, the importance of peer modeling to positive changes in student actual and ideal selves is examined.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,301 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for the Psychology of Language LearningMême sujetEFL/ESL Teaching and LearningTravaux en français237 207