MétaCan
Menu
Retour à la cohorte
Enregistrement W4403454564 · doi:10.5539/elt.v17n11p24

The Effects of Rubrics and Exemplars as Self-regulated Learning Tools on Students’ Development of Evaluative Judgement of Intercultural Competence: An Exploratory Study

2024· article· en· W4403454564 sur OpenAlexvenueno aff
Anouar Smaoui, Hanen Bensalem, Amor Jebali

Notice bibliographique

RevueEnglish Language Teaching · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Practices and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricPsychologyJudgementCompetence (human resources)Intercultural competencePedagogyExploratory researchMathematics educationSocial psychologyEpistemologySociology

Résumé

récupéré en direct d'OpenAlex

This study aimed to explore the effects of a pedagogical intervention involving the combined application of rubrics and exemplars, as Self-Regulated Learning (SRL) support tools, on student’s development of the Evaluative Judgement (EJ) of Intercultural Competence (IC). A group of students from the General Required Courses department of a Saudi college participated in a quasi-experimental study involving the administration of an English writing module as part of an intensive English course. Coursework was designed based on Byram’s multidimensional IC model, guided by Liddicoat’s pathway model for IC development, framed within Panadero & Broadbent’s EJ framework, and mapped on Zimmerman’s Self-Reflection Phase (SRP) of the self-regulatory process. A mixed-method design was adopted to gain insights on the learning processes the students went through as well as their perceptions of and attitudes towards the learning experience. The results indicated a variety of SRP strategies at work and provided evidence for the positive effects of rubrics and exemplars on the enhancement of students’ EJ of IC. The results revealed several spheres where SRL, EJ, and IC relate and align to support students’ development and practice of sustainable skills that allow them to take control of their own learning and adapt in ever-changing environments.

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)0,008
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,398
Écart entre enseignants0,371 · 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'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEducation Practices and EvaluationTravaux en français237 207