MétaCan
Menu
Retour à la cohorte
Enregistrement W3213134537 · doi:10.5539/elt.v14n12p18

Application of Cohesion Theory in CET-4 Listening Comprehension

2021· article· en· W3213134537 sur OpenAlexvenueno aff
Chunxia Fu

Notice bibliographique

RevueEnglish Language Teaching · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnglish Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)Active listeningPsychologyListening comprehensionCollege EnglishLinguisticsMathematics educationNote-takingTest (biology)Cognitive psychologySocial psychologyCommunication

Résumé

récupéré en direct d'OpenAlex

Cohesion is a very important part of learning English. The Cohesion Theory of Halliday and Hasan is of great importance for people to acquire the knowledge of cohesion. This study is aimed at applying this Cohesion Theory in CET-4 listening comprehension which is an important test for Chinese college students. This study uses the test papers of CET-4 in June 2021 as examples to demonstrate that it is obvious that there are certain cohesive relations between the listening materials and the correct answers. It is also practicable to apply the Cohesion Theory in listening comprehension of CET-4. It mainly analyzes the cohesive devices applied in figuring out the correct choices by understanding the cohesive relations between the listening materials with the right answers. It demonstrated obviously that there exists the cohesive relations between the listening materials with the right answers in the test, and both the grammatical device and lexical device are often used interactively. The cohesive devices can serve as the important clues for students to make the right choices. The findings of this study suggest that the application of the Cohesion Theory in CET-4 listening comprehension is practicable and effective. It can not only help the students get good performance in the CET-4 tests, the same approach can also be used in other important tests. 

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)0,005
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,005
Tête enseignante GPT0,241
Écart entre enseignants0,236 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEnglish Language Learning and TeachingTravaux en français237 207