MétaCan
Menu
Retour à la cohorte
Enregistrement W4387603319 · doi:10.5430/wjel.v13n8p489

Creative Approach in Teaching CEFR Reading Comprehension Using Bubble Map and Tree Map Method

2023· article· en· W4387603319 sur OpenAlexvenueno aff
Shanthini Selvarajasingam, Subadrah Madhawa Nair, Walton Wider

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionTest (biology)Mathematics educationComprehensionTree (set theory)Reading (process)Computer scienceSignificant differenceArtificial intelligenceNatural language processingMathematicsStatisticsLinguistics

Résumé

récupéré en direct d'OpenAlex

In Malaysian secondary schools, the dynamic tool of teaching CEFR reading comprehension is to give students a greater exposure and increase their motivation in conducive learning environment. The topmost objective of this study is to investigate whether the use of Bubble Map and Tree Map method improves students’ learning of open ended and cloze test questions in the CEFR reading comprehension framework. For this purpose, the researcher employed a quasi-experimental design with a sample of 105 Form One students (13 years old) from three different schools (school A, B and C) from Petaling Jaya, Selangor. Three groups of students were taken as intact groups to fulfill the requirement of this study. All the three groups were comprised with equal participants (35 students in each group). The Experimental Group 1 (EG1) from school A was taught using Bubble Map, Experimental Group 2 (EG2) from school B was taught using Tree Map and the Control Group (CG) from school C was taught using conventional method. In order to collect the data, the researcher administered pre-test and post-test (instruments for this study). First, the quantitative data was analyzed using MANCOVA test and Tukey HSD (SPSS program for Windows version 26). The findings from the MANCOVA test demonstrated that EG1 (using Bubble Map) significantly outperformed EG2 and CG in answering open ended comprehension questions and the cloze test questions. The results of Tukey HSD also indicated that EG2 (using Tree Map) performed significantly better than CG (using conventional method) in answering the open ended and the close test comprehension questions. This study has crucial pedagogical implication because it revealed that utilizing Bubble Map and Tree Map methods can enhance students CEFR reading comprehension. As such, teachers can use Bubble Map and Tree Map method as an alternative method to teach CEFR reading comprehension in the ESL classroom.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,036
Tête enseignante GPT0,347
Écart entre enseignants0,311 · 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'étudeQualitatif
Domainenon disponible
GenreMéthodes

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 sujetEducational Methods and Media UseTravaux en français237 207