MétaCan
Menu
Retour à la cohorte
Enregistrement W4386541783 · doi:10.55849/jiltech.v2i3.435

Expression by Role-Playing: Teaching Offering and Giving Assistance

2023· article· en· W4386541783 sur OpenAlexaff
Akhmad Feri Fatoni, Emdat Suprayitno, Elladdadi Mark, Embrechts Xavier, Uwe Barroso

Notice bibliographique

RevueJournal International of Lingua and Technology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Acquisition and Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésExpression (computer science)VocabularyFluencyProcess (computing)ObstacleSubject (documents)English vocabularyMathematics educationPsychologyComputer scienceLinguisticsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The use of giving and offering help is the primary expression in communication. These expressions in English are often needed, especially for nursing, where meeting with the public, including foreigners, is possible. This study aimed to determine the process of providing material about the expressions used in giving and offering assistance to patients in English and how to pronounce the vocabulary using the role-play method. In this study, the researcher used a descriptive qualitative approach to the subject of nursing students in the first semester at Universitas Wiraraja. The result stated that giving and offering help with role-play occurred with several obstacles. The students' limited knowledge about expressions to provide and assist patients made the learning process not optimal. Only a few expressions were used to describe the expression giving and offering help. Some students had difficulty in choosing words, especially related to health-based words. Errors in pronouncing some vocabulary were also an obstacle in the learning, especially in expressing giving and offering some helps. In addition, due to the mispronunciation, the students speak with low fluency.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,005
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,011
Tête enseignante GPT0,332
Écart entre enseignants0,321 · 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'étudeSans objet
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 revueJournal International of Lingua and TechnologyMême sujetLanguage Acquisition and EducationTravaux en français237 207