Representation of Voice: A Narrative Inquiry of Indonesian EFL Learners in Poetry Writing Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study was conducted to identify the students' voices and the challenges in writing the poetry from the narratives behind their poetry writing. Since the primary source of the study data was the students' narratives, this study was conducted by following the narrative inquiry method. Fifteen EFL learners who took poetry classes were taken as the study samples. The study data were collected from the students' poems, journals, and interviews. Those three different methods were applied to ensure the data validity and reliability. To identify the voices, the researchers interpreted the voices from the dictions that the students chose to write the poetry. Then, the researchers confirmed the voice's interpretation by comparing them with the students' journals and interview results. To identify the challenges, the researchers qualitatively analyzed the students' journals and the interview results using cross-case analysis. This study found that behind the narratives of learners, there are voices that have been unheard for years, the unspoken words that are kept for themselves. The voices are trauma, anxiety, and hope. The trauma includes the trauma of paranoia, bullying, and past life, and the anxiety includes anxiety of the past, present, and future. Meanwhile, the voice of hope covers optimism and enthusiasm. Besides, this study also identified that the students found some challenges in writing poetry, and they overcame those challenges by practicing more, reading more literature, finding new words, accepting more information, being more flexible, and being open to new contexts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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