MétaCan
Menu
Retour à la cohorte
Enregistrement W4386443275 · doi:10.1080/15021149.2023.2255460

A preliminary analysis of the effects of listener-speaker and speaker-listener sequences on learning Chinese as a foreign language

2023· article· en· W4386443275 sur OpenAlexafffund
Gabrielle T. Lee, Jiaqi Kan, Nicole Luke, Ke Xin Lin

Notice bibliographique

RevueEuropean Journal of Behavior Analysis · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensUniversity of TorontoBrock UniversityWestern University
Organismes subventionnairesWestern University
Mots-clésPsychologyStimulus (psychology)Foreign languageChinese as a foreign languageActive listeningLinguisticsCognitive psychologyCommunicationMathematics education

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate the effects of different instructional sequences when learning Chinese as a foreign language. Six English-speaking individuals (two male adults, three female adults, and one male student) participated in this study. Combined listener instruction consisted of auditory-visual matching for textual stimuli (i.e., “Point to [name of Chinese character]) and visual-visual matching for textual and picture stimuli (i.e., “Match [name of Chinese character]). Combined speaker instruction consisted of textual and tacting responding in Chinese. The researcher taught six stimulus sets (a total of 30 Chinese vocabularies), with each set randomly assigned to either the Listener-Speaker or Speaker-Listener instructional sequence. Results indicated that four participants required fewer trials to criterion with Speaker-Listener instruction; the other two participants’ learning trials between the two instructional methods were comparable. Five participants demonstrated greater emergent listener responses for stimulus sets taught with combined speaker instruction than emergent speaker responses for stimulus sets taught with combined listener instruction. One participant’s emergent speaker and listener responses were at a high level and not differentiated between the two instructional methods.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,330
Écart entre enseignants0,279 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Behavior AnalysisMême sujetBehavioral and Psychological StudiesTravaux en français237 207