MétaCan
Menu
Retour à la cohorte
Enregistrement W4319601317 · doi:10.54097/ehss.v8i.4539

Classroom Management Strategies in Secondary Language Education

2023· article· en· W4319601317 sur OpenAlexaff
Chang Xu, Kexin Zhu, Suyi Liu

Notice bibliographique

RevueJournal of Education Humanities and Social Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésClassroom managementForeign languageEnglish as a foreign languageMathematics educationSubject (documents)English languagePedagogyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Classroom management could be considered as one of the most demanding jobs to teachers. Effective classroom management is not only beneficial to teaching efficiency, but also conducive to the comprehensive development of the students. This paper aims to explore effective strategies of managing English classrooms for secondary school learners. Using a foreign language in the classroom may impede classroom management, as code-switching in English as a Foreign Language (EFL) classrooms may induce stress and discomfort among students. Long-term issues with the English subject compound over time, impacting learning outcomes and eroding students' confidence. But autonomous students are more likely to take the initiative to learn and explore outside the classroom. Generally, creating a classroom environment suitable for secondary school students is one of the main responsibilities of teachers. When they are guided to access a new language at this stage, it is particularly important to build their initial interest in further learning.

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 candidatesaucune
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 enseignants0,422
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,042
Tête enseignante GPT0,361
Écart entre enseignants0,319 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education Humanities and Social SciencesMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207