Vocabulary Index as a Sustainable Resource for Teaching Extended Writing in the Post-Pandemic Era
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the wake of the COVID-19 pandemic, Malaysian English teachers identified a pressing need to support upper primary school pupils, particularly those in the upper levels, in the effective composition of extended writing. Additionally, these educators required more innovative methodologies for teaching vocabulary in this context. Consequently, the current study aimed to develop a vocabulary index as a suggested resource for Malaysian English teachers instructing upper primary school pupils on extended writing. To achieve this, a quantitative computational research strategy and corpus-driven research design were employed. A purposive sampling technique was used to select 560 advanced upper primary school pupils from 28 schools, each with high English performance in the capital of each state and the federal territory of Malaysia, who produced a total of 152,187 words in extended writing for analysis. LancsBox, a primary computational linguistics application, was used for data processing. Given that the vocabulary index for extended writing necessitates a more comprehensive coverage of vocabulary, functional and content words were included, and keywords, raw and normalised frequencies were analysed and reported. Through the vocabulary index built in this study, the researchers found English teachers in Malaysia should utilise local issues in writing prompts, emphasise the use of both positive and negative adjectives, introduce complex sentence structures to enhance pupils’ writing abilities and also train pupils to organise the ideas in their writing. Future linguistic studies could replicate the present investigation, so that it can respond to their classroom needs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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