MétaCan
Menu
Retour à la cohorte
Enregistrement W4321607886 · doi:10.1093/oxfordhb/9780197600047.013.31

Self-Determination Theory and Language Learning

2023· book-chapter· en· W4321607886 sur OpenAlexaff
Kimberly A. Noels

Notice bibliographique

RevueOxford University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSociocultural perspectiveSociocultural evolutionPerspective (graphical)PsychologyLanguage acquisitionContext (archaeology)Learning theorySelf-determination theoryPedagogySociologyMathematics educationComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter reviews the burgeoning research conducted from a self-determination theory (SDT) perspective concerning people’s motivation for learning new languages. To guide the review, a conceptual model of motivational processes, grounded in SDT principles, is presented. The model highlights the central role of basic psychological needs in motivational dynamics, including behavioral regulation (or orientations) and engagement, and ultimately the diverse outcomes that follow from language learning. These resultant resources include not only linguistic proficiency but also sociocultural (e.g., relationships with members of the target ethnolinguistic community, a broader cultural perspective) and psychological (e.g., well-being, personal growth) capital. The model emphasizes that language learning takes place across diverse sociopolitical and sociocultural milieu and that, depending on the context, teachers, family members, members of the target-language community, and many others could support (or not) learners’ motivation. The chapter ends with directions for future interdisciplinary research on language learning and teaching from a SDT perspective.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,007
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
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 Opus0,023
Tête enseignante GPT0,206
Écart entre enseignants0,183 · 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'étudeThéorique ou conceptuel
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

Citations23
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetEFL/ESL Teaching and LearningTravaux en français237 207