MétaCan
Menu
Retour à la cohorte
Enregistrement W4366827029 · doi:10.5430/wjel.v13n5p375

The Perceptions of Faculty Members and EFL Learners to Proficient Instructors: A Philosophical Approach

2023· article· en· W4366827029 sur OpenAlexvenueno aff
Abubaker Suleiman Abdelmajid Yousif

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesDeanship of Scientific Research, Prince Sattam bin Abdulaziz UniversityPrince Sattam bin Abdulaziz University
Mots-clésTUTORPerceptionMathematics educationPoint (geometry)Computer sciencePsychologyPedagogyMathematics

Résumé

récupéré en direct d'OpenAlex

Adopting a philosophical approach to the concepts of knowledge and instruction, this study aimed to explore the perceptions of faculty members and EFL learners towards the efficiency of EFL instructors at the University level of Sudan University of Science and Technology, College of Languages. Two tools were used to collect data. A direct interview was administered to both learners and faculty members of the English Department at the College of Languages in which faculties and learners were asked about their perceptions of the good EFL instructor. A 30-point questionnaire was distributed to both learners and instructors. The instructors and learners were requested to assess the points from the items of opinion including the valuable instructor merits. The findings revealed that the concepts of instruction varied immensely over the past two decades. Also, the results showed that the EFL learners and the teachers are different regarding the arrangement and exhibition of learning resources. The instructors prepared the tutorial plans in a way that grabs learners' attention and that satisfies the learners' needs to achieve gauges in a useful EFL tutor. To sum up, it might be said that skilled Sudanese EFL instructors are in high demand since they can motivate and push their students to reach their best potential to maximize their language learning prospects.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,005
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,030
Tête enseignante GPT0,343
Écart entre enseignants0,313 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207