MétaCan
Menu
Retour à la cohorte
Enregistrement W4295101080 · doi:10.1075/pl.22004.van

Role-play and dialogic meta-pragmatics in developing and assessing pragmatic competence

2022· article· en· W4295101080 sur OpenAlexaff
Angelina Van Dyke, William Acton

Notice bibliographique

RevuePedagogical Linguistics · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensTrinity Western UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDialogicPragmaticsPsychologyConversationFluencyGrammarCompetence (human resources)VocabularyLinguisticsConversation analysisPedagogyMathematics educationCommunicationSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Role-play as a bridging and integrating practice in language teaching and development of pragmatic competence in learners is well-established. In an EAP classroom ( Van Dyke & Acton, 2021 ) explored the impact of one fluency protocol, Cooperative Attending Skills Training, by which students were trained to listen attentively to shared personal stories, working toward more sophisticated strategies of conversational interaction. That system included dialogic, pragmatics-focused, spontaneous analysis and instructor-student discussion of interactional discourse features. With that experience, further modeling and conceptual input, participants in this study engaged in six role-plays, each involving a problem requiring pragmatic accommodation. The data from transcribed role-plays were analyzed in terms of pragmatic discourse functions and NVivo-based thematic threads. The generally successful application of the targeted skills and concepts by course end most likely resulted from the engaging meta-pragmatic interactions preceding the role-plays, and the formal and informal instructor feedback related to implicature, prosody, implicit understandings, direct conversation strategies, grammar, and vocabulary.

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)0,018
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0010,003
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 Opus0,175
Tête enseignante GPT0,347
Écart entre enseignants0,172 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePedagogical LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207