MétaCan
Menu
Retour à la cohorte
Enregistrement W4224280421 · doi:10.5539/elt.v15n5p52

The Effects of Blended Learning Instruction on Vocabulary Knowledge of Thai Primary School Students

2022· article· en· W4224280421 sur OpenAlexvenueno aff
Phichitra Katasila, Kornwipa Poonpon

Notice bibliographique

RevueEnglish Language Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologyMathematics educationBlended learningVocabulary learningTest (biology)Qualitative propertyVocabulary developmentQualitative researchTeaching methodPerceptionPedagogyEducational technologyComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

The present study aimed to investigate the effects of blended learning instruction on vocabulary knowledge of Thai primary school students and students' perceptions toward learning vocabulary through blended learning instruction. A mixed-methods approach was used. Quantitatively, a single group pretest-posttest design was used to measure students' vocabulary knowledge after ten weeks of vocabulary lessons via blended learning instruction. The qualitative method focused on students' perceptions toward blended learning instruction. There were a total of eight student participants at a small school in Kosumphisai, Maha Sarakham province. Three students were in fifth grade and five students in sixth grade. Two research instruments were used in this study: a pre-and-post-test and an in-depth interview. The quantitative results revealed that the post-test score was higher than the pretest score. The blended learning instruction can improve the students' vocabulary knowledge. The qualitative results showed that students had positive attitudes toward blended learning instruction on vocabulary teaching.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 GPT0,322
Écart entre enseignants0,314 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Practices and ChallengesTravaux en français237 207