MétaCan
Menu
Retour à la cohorte
Enregistrement W4213221551 · doi:10.5430/wjel.v12n1p177

Foreign Language for Future Diplomats: What Integrated Education Approach Is Better?

2022· article· en· W4213221551 sur OpenAlexvenueno aff
Alla Kyrda-Omelian, Oleksandr Pashkov, Oleh Furs, Olena Shcherbyna, Леся Вікторова, Oleksandr Lahodynskyi, Ihor Bloshchynskyi

Notice bibliographique

RevueWorld Journal of English Language · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForeign languageCompetence (human resources)Computer scienceProfessional developmentKnowledge managementMedical educationPedagogyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The current study deals with the Foreign Language Training for university students seeking the Master Degree in International Relations. The research focuses on the efficient organization of Foreign Language for Specific Purposes (FLSP), including ESP, course regarding the professional competence: meeting specific needs of the program stakeholders, designing it for adult learners of intermediate or advanced levels, etc. The aim of the course participants’ training is to apply a foreign language in professional work situations. The learners are expected to get new knowledge and experience through integrated education that includes more than one subject and tends to be more effective. This article offers the theoretical and practical support for FLSP practitioners researching, designing courses and providing materials for learners of the Master programs in International Relations and related professional areas. The support includes problem-based training to develop students’ professional competence. The training focuses on the insights from designing an FLSP course for such students, the analysis of their future job responsibilities, the stakeholders’ needs, as well as the FLSP literature on integrated education approaches review, the Master study programs and Qualification Requirements.

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)0,005
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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,011
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetSecond Language Learning and TeachingTravaux en français237 207