What Are the Effective Tests for Measuring English Proficiency in a Japanese Project-Based English Program? A Comparison of the Test of English for International Communication, Global Test of English Communication, and CNN Global English Test Service
Notice bibliographique
Résumé
Despite significant efforts to improve English education, challenges such as declining motivation and slow progress persist. In this study we examine the relationships among three English proficiency tests—Test of English for International Communication (TOEIC), Global Test of English Communication (GTEC), and CNN Global English Test Service (CNN GLENTS)—in the context of university-level English education in Japan. We aim to explore the effectiveness of these tests by comparing scores and improvements across various sections. The analysis reveals notable differences in the constructs measured by each test. CNN GLENTS exhibits weak or negative correlations with GTEC and TOEIC, suggesting divergent skill assessments, particularly in the international studies section. We observe high correlations between the listening and reading sections of GTEC and TOEIC in the second round, possibly due to increased test familiarity, whereas correlations involving speaking and writing are weaker. These findings indicate that CNN GLENTS emphasizes different proficiencies, such as background knowledge and contextual understanding, which GTEC and TOEIC do not directly capture. The study underscores the need for a multifaceted approach to language assessment, given no single test fully captures the complexity of English proficiency. Future researchers should explore the underlying factors that influence these correlations to improve the utility and interpretation of these assessment tools in educational settings.
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 | 0,015 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».