MétaCan
Menu
Retour à la cohorte
Enregistrement W4385293359 · doi:10.60149/pprm5015

An Investigation into the Metacognitive Writing Strategies of Turkish Cypriot University Students

2011· article· en· W4385293359 sur OpenAlexaff
Özge Razı

Notice bibliographique

RevueCALR Linguistics Journal - Issue 1 · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésMetacognitionTurkishPsychologyMathematics educationQualitative propertyData collectionSignificant differenceRelation (database)Medical educationPedagogyCognitionMedicineComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

This paper presents findings from a study done in an English preparatory school of a University in North Cyprus. The study focused on the use and awareness of metacognitive learning strategies in relation to writing skills. Data collection was done through the means of quantitative, student-questionnaire, and qualitative, teacher-interview, measures. The findings show that less than half of the participants used and were aware of metacognitive learning strategies. Although teachers mentioned such strategies during the lessons, according to the questionnaire results, less than half of the 250 participants used strategies or had awareness of them. Conclusion would, therefore, be that mentioning strategies to encourage students to use strategies is not enough. A statistically significant correlation between the success rate and metacognitive strategy use and awareness was proved in support of the findings in the literature. The implication of this finding for teachers is that, implementing strategy instruction in our classrooms could increase the success of students and, as the success rate of the students is increased, they will use more strategies with an increased awareness.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,078
Tête enseignante GPT0,403
Écart entre enseignants0,325 · 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCALR Linguistics Journal - Issue 1Même sujetInnovative Teaching and Learning MethodsTravaux en français237 207