MétaCan
Menu
Retour à la cohorte
Enregistrement W4402653778 · doi:10.5430/wjel.v15n1p434

The Use of Simulation Techniques to Enhance English Speaking Skills of EFL Secondary School Students

2024· article· en· W4402653778 sur OpenAlexvenueno aff
Sornsawan Kamrach, Chuanpit Sriwichai

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Liberal ArtsUniversity of Phayao
Mots-clésComputer scienceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This study aims to compare the English speaking skills of EFL secondary school students in Thailand before and after using simulation techniques, to investigate the progress of the students’ speaking skills, and to study the students’ attitudes towards simulation techniques. The study used a quasi-experimental research design with a one-group pre-test and post-test and involved ten grade-eight students in the 2/2021 semester. The participants learned through five simulations: Asking and offering help, Buying and selling, Asking and giving directions, Making a phone call, and Giving suggestions. The data were collected through a speaking pre- and post-test, with a rubric based on pronunciation, fluency, grammar, and vocabulary, and also through semi-structured interviews. The data were analyzed using percentage, mean, standard deviation, inter-rater reliability analysis, Wilcoxon Signed Rank Test, and content analysis. The findings show that the post-test scores were significantly higher than the pre-test scores at P < 0.05 for all simulations. Moreover, the post-test scores for Simulation Five were significantly higher than the post-test scores for Simulation One, indicating the progress of the students’ speaking skills. Additionally, the students expressed positive attitudes towards simulation techniques, as they were able to learn new vocabulary, practice real-life situations, and increase their self-confidence. However, learning through simulations could make students anxious when they are worried about finding the correct and appropriate words. This result suggests that it is essential to build students’ vocabulary knowledge before having them participate in simulations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,309
Écart entre enseignants0,293 · 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'étudeSimulation ou modélisation
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 revueWorld Journal of English LanguageMême sujetEFL/ESL Teaching and LearningTravaux en français237 207