MétaCan
Menu
Retour à la cohorte
Enregistrement W4225001127 · doi:10.5539/elt.v15n5p84

The Richness of English Language During Covid-19 Pandemic: Selected Words and Expressions That Can Be Taught to EFL Students at the Colleges of Health Science and Colleges of Nursing in KSA and Kuwait

2022· article· en· W4225001127 sur OpenAlexvenueno aff
Musaad Alrehaili, Maye A. Al-Otaibi, Abdullah M. Al-Otaibi

Notice bibliographique

RevueEnglish Language Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiscourse Analysis and Cultural Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologyMeaning (existential)LinguisticsPandemicCoronavirus disease 2019 (COVID-19)SociologyMedicineDisease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 crisis has made the years 2020 and 2021 an unpolitical and spiritual crisis. It has affected virtually everybody in the world and introduced a new normal. Since the beginning of the COVID-19 outbreak, people have been hooked on consuming news media to follow the development of this unprecedented disease. Subsequently, a new language with vocabulary, expressions, and metaphors has appeared in various languages, including English and Arabic. Dictionaries have added new words in English and revised others; they are now fully integrated into our everyday vocabularies. COVID-19 has changed the English language in many ways: it has brought previously obscure medical words to the forefront of everyday speech, made terms related to social isolation more common, and witnessed a shift in meaning in other terms. As linguists, researchers, and teachers gradually return to their classrooms next term (Spring, 2022) we undertook this study to identify 57 English terms, expressions, and metaphors that emerged during the COVID-19 pandemic, either in English-speaking countries or Arabic-speaking countries where English is a first or second language. We deemed the new terminologies necessary for EFL learners in the Gulf Cooperation Countries (GCC) countries. It can serve the purpose of making a list of these words and expressions to be taught to our EFL students at colleges of nursing and health science in Kuwait or Saudi Arabia or any other equivalent colleges in the Arab World. The terms and expressions came from articles, magazines, and English and Arabic dictionaries published during the COVID-19 pandemic.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,383
Écart entre enseignants0,350 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDiscourse Analysis and Cultural CommunicationTravaux en français237 207