MétaCan
Menu
Retour à la cohorte
Enregistrement W4321499270 · doi:10.5430/wjel.v13n2p324

Value Role of ICT Tools in English Language Teaching and Learning- Emphasis on Covid-19 Pandemic

2023· article· en· W4321499270 sur OpenAlexvenueno aff
E Madhavi, Lavanya Sivapurapu, Poul Kati

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyPaceLanguage acquisitionComputer scienceGlobalizationThe InternetKnowledge managementMathematics educationSociologyPsychologyPolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Communicative knowledge and digital knowledge have become essential components of our everyday lives. English language is one of the major global means of communication. Information and communication technology (ICT) plays an important role in many areas of life, including education. The contemporary immense waves of globalization and the increased dominance of the English language over the political, cultural, and economic levels necessitate our effective preparation for the young generation to acquire the abilities and skills that help them meet the needs of their future careers. The ability to speak English effectively and to handle various ICT Tools purposefully has become an essential need for the young generation to cope with the current information revolution. The aim of this study is to evaluate the function of ICT technologies, in English language instruction and acquisition with a focus on the COVID-19 pandemic. This study focuses on ICT resources including systems, Internet, mobile apps, websites, language learning centers, and YouTube, how ICT tools were used during the COVID-19 pandemic and how they helped teachers and students in the classroom. The study concludes that each instrument described plays an important role in English educational activities, as well as in increasing the learner’s skills, helps learners work at their own pace and gives learners more control over their own learning, and facilities collaborative and cooperative 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 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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,028
Tête enseignante GPT0,359
Écart entre enseignants0,332 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207