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
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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