MétaCan
Menu
Retour à la cohorte
Enregistrement W4282568562 · doi:10.5539/elt.v15n7p38

A Study of Metaphor for Writing Skill in EFL Contexts

2022· article· en· W4282568562 sur OpenAlexvenueno aff
Kadim Öztürk

Notice bibliographique

RevueEnglish Language Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyReading (process)Active listeningPerceptionPedagogyForeign languageCognitionMathematics educationQualitative researchMetaphorLinguisticsSociologyCommunication

Résumé

récupéré en direct d'OpenAlex

To communicate effectively in any language, one needs to be competent in using four language skills; that is, reading, listening, reading, and writing- and accordingly the integrative skills instruction has come into prominence in L2 teaching. EFL teachers’ beliefs, ideas, perceptions, attitudes are known to have a significant impact on their profession. Termed as “teacher cognition” by Borg (2003), the mentioned beliefs or perceptions are not directly observable. In this study, it is argued that teachers’ perceptions about four language skills as a part of their teacher cognition will give insight to their instruction. This is a qualitative study which aims at finding out the prospective EFL teachers’ perceptions about writing skill through metaphors. The participants included the undergraduate students studying English as a foreign language at two universities, Istanbul and Amasya. The data were analyzed with the content analysis technique. The findings revealed that prospective EFL teachers had various views regarding the nature of writing. These perceptions, either positive or negative, will influence their future practices; thus, it is essential that the awareness of prospective EFL teachers should be sharpened to help learners to understand the complicated nature of writing and proceed in writing.

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)0,009
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,008
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,403
Écart entre enseignants0,375 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducational Methods and AnalysisTravaux en français237 207