MétaCan
Menu
Retour à la cohorte
Enregistrement W4239148945 · doi:10.3138/cmlr.62.1.49

Computer-Mediated Communication in Korean-English Chat Rooms: Tandem Learning in an International Languages Program

2005· article· en· W4239148945 sur OpenAlexvenueno aff
Yang-Gyun Chung, Barbara Ann Graves, Mari Wesche, Marion A. Barfurth

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2005
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSociocultural evolutionMeaning (existential)Task (project management)Computer-mediated communicationThematic analysisPedagogyLanguage acquisitionClass (philosophy)Variety (cybernetics)PsychologyLinguisticsComputer scienceMathematics educationQualitative researchSociologyWorld Wide WebThe Internet

Résumé

récupéré en direct d'OpenAlex

This longitudinal case study draws on sociocultural theory to investigate language learning as a socially mediated process through computer-mediated communicative tasks in an international languages class. The study reports on the design, implementation, and outcomes of a thematic, task-based curricular innovation in which paired Korean- and English-speaking peers, each learning the other's language, collaborated on chat homework assignments. Examination of these chat interactions between experts and novices, with the tandem partners fulfilling each role in turn, reveals how on-line collaborative discourse supports knowledge building within this cross-linguistic learning environment. Data from chat exchanges show how these students were able to learn and teach contextually meaningful and appropriate linguistic and cultural behaviour through socially mediated actions, using the meaning-making resources within their own learning community. Specifically, the findings show the ways in which learners appropriated a variety of language practices, developed awareness of self in relation to others, and participated in expert and novice discursive practices in the construction of meaning.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,002
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
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 Opus0,018
Tête enseignante GPT0,259
Écart entre enseignants0,241 · 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

Citations14
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetEFL/ESL Teaching and LearningTravaux en français237 207