MétaCan
Menu
Retour à la cohorte
Enregistrement W4401632012 · doi:10.22215/etd/2024-16075

“Can we revive Arabic in an Arab country?” Tracing the Dynamic Motivational Trajectory of Non-Arab learners living in the United Arab Emirates

2024· dissertation· en· W4401632012 sur OpenAlexaff
Juwaeriah Abdussamad Siddiqui

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésArabicTracingPsychologyTRACE (psycholinguistics)DisciplineMathematics educationPedagogyComputer scienceLinguisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

This study takes on a cross-disciplinary approach and draws on concepts from Dörnyei's Second Language Motivational Self System (Dörnyei, 2005) and a complex dynamic system theory (Larsen-Freeman & Cameron, 2008a) to examine non-Arab learners' (n=100) experience and motivations in learning Arabic as a second language (L2) in the United Arab Emirates.Specifically, the investigation explores the immediate environment around the language learner to capture the evolving nature of L2 motivation and to trace the dynamic trajectory for existing language learning outcomes.The use of such rarely employed methodologies as concept mapping (Kane & Trochim, 2007) and retrodictive qualitative modeling have identified a motivational system (along with its causal mechanisms) shared by these learners and probed the voices of educators (n=25) to help explain the learners' views.The results also point to the varying roles of selfefficacy, coping, and early exposure as core constructs in the development of learner motivational profiles.Additionally, they provide empirical evidence for educators and educational systems alike to recognize mechanisms that may be key in not only determining a learner's success in L2 learning, but also assuring it.Dr. Raywat Deonandan, my first mentor since my undergraduate years, cheering on me and believing in my academic and non-academic projects -thank you for everything -the brainstorming, support letters, listening, and all of the support.Dr. Stephane Aris-Brosou, thank you for introducing the love of research by allowing me to work on your project as a young undergraduate.The self-discipline and ability to organize and research have been a crucial part of my doctorate journey.I owe it to you for believing in me back then and continuing to support my interdisciplinary undertaking years later, with the same belief

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,003
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,034
Tête enseignante GPT0,378
Écart entre enseignants0,344 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEducational and Psychological AssessmentsTravaux en français237 207