MétaCan
Menu
Retour à la cohorte
Enregistrement W4308443757 · doi:10.5430/wjel.v12n7p196

Code-Switching and English Language: A Linguistic Study in the Saudi Perspective

2022· article· en· W4308443757 sur OpenAlexvenueno aff
Ali Mohammed Alqarni

Notice bibliographique

RevueWorld Journal of English Language · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCode-switchingContext (archaeology)Perspective (graphical)Computer scienceInterviewNounCode (set theory)PerceptionNeuroscience of multilingualismChecklistLinguisticsPsychologyNatural language processingProgramming languageArtificial intelligenceCognitive psychologySociology

Résumé

récupéré en direct d'OpenAlex

There are several interpretations of code-switching. Some teachers encourage EFL learners to apply it as they believe it helps them acquire and comprehend the target language. This study investigates in three different settings the code-switching behaviors of 10 Saudi students, the association between the participants' degree of English proficiency and their employment of code-switching. It also investigates how the context affects code-switching behaviors by examining the various types of code-switch as well as how code-switchers perceive it. The study's qualitative methodology involved interviewing the participants and use of checklist to analyze their responses. Results show the participants with high English proficiency levels, did not like to switch codes. Additionally, while the minority of participants claimed they did not code-switch in the Saudi context, the remaining individuals claimed they did so in each of the three settings. However, the study found that among the participants, one word (noun) was the form of code-switch that was used the most frequently. Finally, the study demonstrated that even though all individuals occasionally switched codes, they all had unfavorable perceptions of it. The study suggests that teachers should regulate code-switching in different contexts.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,066
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,403
Écart entre enseignants0,377 · 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.

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 revueWorld Journal of English LanguageMême sujetMultilingual Education and PolicyTravaux en français237 207