MétaCan
Menu
Retour à la cohorte
Enregistrement W4283270333 · doi:10.5539/elt.v15n7p127

Paragraph Comprehension from the Perspective of Conjunctions and Structure under Structuralism

2022· article· en· W4283270333 sur OpenAlexvenueno aff
Shuying Yu

Notice bibliographique

RevueEnglish Language Teaching · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParagraphConjunction (astronomy)SentenceLinguisticsComprehensionPsychologyReading comprehensionPerspective (graphical)Reading (process)NounComputer scienceNatural language processingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

People frequently struggle with comprehending the text they read and require more intensive support to develop proficiency in reading comprehension. Some find it perplexing observing all the elements and constituents of the paragraph theory. Good readers, however, can understand what a paragraph is by studying the conjunction relationships between sentences and group of sentences in the paragraph and can also understand the organization of the text by analyzing the conjunction relationships in a paragraph or a text when they deal with a written text. Such analysis of the conjunction relationships in a paragraph or a text can be used as a basis for understanding how the author organizes and presents materials. The inspiration of structuralist view of education is that students need to learn and discover the structure of knowledge. The research methods of the paper are ones of knowledge, experience, observation, logical reasoning and keen analysis of English examples or materials. This paper provides guidance for the skills of logical relationship comprehension, text structure determination and main idea dentification, and introduces some practices of using the skills. These skills have brought us some findings: We can use the conjunction relationships between the sentences in a paragraph to determine the structure of the paragraph, whether they are signaled or unsignaled, including finding the main idea; The contextual clues can be adverbs, pronouns, nouns, verbs, and preposition groups besides conjunctions; Items in one type of relationships are of equal weight and one sentence in another type of relationships is given more importance than the others; There is a relationship between the type of conjunction relationship involved and the location of the topic sentence; The role of the main idea or topic sentence is not in whether it always provides important information, but in its organizational function. These findings guide readers to apply the knowledge of paragraph organization system to help them deal with English texts.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,327
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,280
Écart entre enseignants0,269 · 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 tête enseignante, 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 sujetEducational Methods and Media UseTravaux en français237 207