MétaCan
Menu
Retour à la cohorte
Enregistrement W4323314832 · doi:10.5430/wjel.v13n2p435

EFL Learning and Vision 2030 in Saudi Arabia: A Critical Perspective

2023· article· en· W4323314832 sur OpenAlexvenueno aff
Khaled Nasser Ali Al-Mwzaiji, Ahmad Abdullah Salih Muhammad

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in MENA
Établissements canadiensnon disponible
Organismes subventionnairesNajran University
Mots-clésWonderPerspective (graphical)Order (exchange)Plan (archaeology)Domain (mathematical analysis)Mathematics educationPolitical scienceComputer sciencePsychologyHistoryArtificial intelligenceEpistemologyBusinessPhilosophyMathematics

Résumé

récupéré en direct d'OpenAlex

Vision 2030 is a key economic transformation plan for Saudi Arabia conceived in 2016. It envisions the shift from oil to a knowledge-based global economy. Along with this historical event, Saudi Arabia undergoes another historic transformation, i.e., the strategic growth of EFL learning in the domain of education in the second decade of the twenty-first century. Since economy and education go hand in hand, scholars wonder whether EFL learning induces Saudi Vision 2030 or vice versa. The relation between them is causal by nature, but the order of effect is inexplicit. If Saudi Vision 2030 motivates EFL learning, then its present situation is inadequate for the fulfillment of the Vision. If not, then how the inadequate EFL competency of Saudi student can contributes to the visionary transformation of Saudi Arabia. Hence, the problem is an essential concern in academic understanding since its resolution redefines both EFL learning and Vision 2030 of Saudi Arabia. The study uses qualitative research on the existing scholarly books and articles on EFL learning and Saudi Vision 2030 to understand the causal order of these phenomena, to illustrate the present condition and explain interrelation of EFL Learning and Vision 2030 of Saudi Arabia.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0170,025
Communication savante0,0100,008
Science ouverte0,0010,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,347
Écart entre enseignants0,335 · 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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetSocioeconomic Development in MENATravaux en français237 207