Exploring English for academic purposes instructors’ perceptions of speech fluency through developing and piloting a rating scale for a paired conversational task
Notice bibliographique
Résumé
Much research has explored how perceptions of speech fluency are influenced by a variety of temporal speech features (e.g. speech rate). However, less is known about the influence of non-temporal and conversational speech characteristics on fluency perceptions. To address this gap, this study explored English for Academic Purposes (EAP) instructors' perceptions of speech fluency through developing and piloting a rating scale for a paired conversational task for assessment for learning purposes. A two-phase mixed-methods sequential exploratory design (Creswell, 2009) was used. Seven trained EAP instructors watched videos of seven-minute conversations, elicited from 14 intermediate-to-advanced EAP learners. Afterwards, instructors were audio-recorded discussing their observations about learners' fluency. These recordings were transcribed and coded using in-vivo and pattern coding techniques (Saldaña, 2009). Six themes were identified: efficiency, smoothness, sophistication, clarity, facilitating topics and turns, and supporting the conversation partner. These themes informed the development of a multi-item fluency rating scale. 35 EAP instructors then used the scale to rate eight learners’ speeches. To investigate the construct-relevance of these scale items, a principal component analysis was conducted, producing two components - individual fluency and conversational fluency. Pedagogical activities aligned with the scale are provided.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».