MétaCan
Menu
Retour à la cohorte
Enregistrement W4390344461 · doi:10.14746/ssllt.40217

Review and analysis of empirical articles published in TESOL Quarterly over its lifespan

2023· article· en· W4390344461 sur OpenAlexaff
A. Mehdi Riazi, Hessameddin Ghanbar, Fahimeh Marefat, Ismaeil Fazel

Notice bibliographique

RevueStudies in Second Language Learning and Teaching · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyEducational researchEmpirical researchCognitionResearch methodologyMathematics educationSocial scienceSociologyEpistemology

Résumé

récupéré en direct d'OpenAlex

We report the results of a bibliometric study of 696 empirical articles (EAs) published in TESOL Quarterly (TQ) over its lifespan (1967-2019). We report overall and periodic reviews (1967-1979, 1980-1989, 1990-1999, 2000-2009, 2010-2019) concerning the following themes: (1) contexts and participants, (2) research foci and theoretical orientations, and (3) research methodology and data sources. A typical article was written by a single author addressing a learning/teaching English issue related to undergraduates in US universities. The most common research foci were instruction, learning, and assessment. A quarter of the articles did not have a specifiable theoretical orientation, and for those that had, the main theoretical orientations were linguistic/scientific, linguistic/cognitive, and social. The most frequently used research methodologies were quantitative, qualitative, and eclectic, and the top three data sources used by researchers were elicitation, multiple sources, and observation. Based on the findings, we make suggestions for future research in TESOL. Overall, the present review and analysis of published EAs give readers a birds-eye view of the research gravity in TQ over the last 52 years.

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)0,013
score de la tête « metaresearch » (Gemma)0,090
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,090
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,1480,181
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,039
Tête enseignante GPT0,419
Écart entre enseignants0,380 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Second Language Learning and TeachingMême sujetSecond Language Acquisition and LearningTravaux en français237 207