MétaCan
Menu
Retour à la cohorte
Enregistrement W4318200602 · doi:10.5430/wjel.v13n2p64

EFL Iraqi Learners' Pragmatic Failure in English Animal Idiomatic Expressions

2023· article· en· W4318200602 sur OpenAlexvenueno aff
Ali. E. Rushdi, Samara Mohammad Ahmed, Waqqas Saadi Ismael

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsExpression (computer science)Meaning (existential)Context (archaeology)Relation (database)PragmaticsPsychologyTerm (time)Computer scienceHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

This research concerns the pragmatic failure of the Iraqi EFL learners in interpreting the meanings of some sorts of idiomatic expression; namely, animal idiomatic expressions. Regardless of their grammatical formation, idiomatic expressions use tends to be largely dependent upon context. Pragmatic failure is a term which was first coined by Jenny Thomas in (1983) which is defined as the inability to understand what is said by what is intended. Pragmatic failure is of two types: pragma-linguistic and socio-pragmatic failure. As known, the meaning of animal idiomatic expressions vary from culture to culture, because of the difference of norms and principles the culture imposes on the residents of certain place. Pragmatically, the use of idiomatic expressions in English carry a diversity of meanings which learners of other languages will surely fall short in determining the exact intentions of speakers using these expressions as well as having a relation to the culture that the speech community has. The culture pragmatically place a major role too. However, this is due to the fact that idiomatic expressions have indirect speech acts and implicatures bond by the culture of the language that ought to be figured out by the learners. The study hypothesizes that most of EFL Iraqi learners will fail to interpret these expressions and also after putting these idiomatic expressions into their 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 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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,006
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,315
Écart entre enseignants0,300 · 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'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetSwearing, Euphemism, MultilingualismTravaux en français237 207