MétaCan
Menu
Retour à la cohorte
Enregistrement W4309219572 · doi:10.23856/5313

READING SKILLS FORMATION: CRITICAL ANALYSIS OF THE IELTS MATERIALS

2022· article· en· W4309219572 sur OpenAlexaboutno aff
Olena Rusakova, Olga Yurchenko

Notice bibliographique

RevuePolonia University Scientific Journal · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyComputer scienceReading (process)LinguisticsGrammarSentenceTest (biology)Section (typography)Focus (optics)Natural language processingSyntaxArtificial intelligenceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

In this article, we focus on the description and analysis of the IELTS material used for preparation and testing reading receptive communication skills. Two IELTS test formats, General Training and Academic are studied. This research studies educational materials and evaluates them by the scheme described above by means of comparative analysis. The findings are presented in two parts, in descriptive and quantitative forms. The descriptive part presents the topics of the texts, forms of narration, and sentence structures. The morphological word structures and vocabulary of the texts and exercises and/or test tasks are compared. Since the key words in the questions to the texts of the reading section are paraphrased, the authors analyzed these questions and texts using the approach that comprises the personal elements if it is challenging or not. The quantitative part includes the number of questions that refer to vocabulary and grammar, namely, to morphological and syntactic characteristics of speech in each section of the Reading Module. The usage of specific British, American, Canadian, Australian, New Zealand expressions and facts in the texts as evidence of differences in their cultures is described. The result of the analysis is classified and analyzed according to quantitative and qualitative characteristics.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1560,000

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 Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,266 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolonia University Scientific JournalMême sujetSecond Language Acquisition and LearningTravaux en français237 207