MétaCan
Menu
Retour à la cohorte
Enregistrement W4405853203 · doi:10.5539/ijel.v15n1p76

Effects of Gamification on Chinese EFL College Students’ Writing Error Awareness and Writing Performance

2024· article· en· W4405853203 sur OpenAlexvenueno aff
Chunfeng Wang, Qiangqiang Li

Notice bibliographique

RevueInternational Journal of English Linguistics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

English writing is an important course to improve students’ comprehensive use of language. However, in the current practice of English writing teaching, college students in China still have a variety of problems in writing English compositions. Therefore, how to further improve students’ English writing ability has always been the focus and difficulty of English writing teaching. Although the traditional Error Analysis Theory has systematically studied the common mistakes in college English writing, students’ awareness of common mistakes in English writing still needs to be further improved. The thesis attempts to explore the effectiveness of gamification learning in improving students’ error awareness and writing performance, as well as students’ perception of gamification methods and traditional teaching methods. The experimental results showed that: 1) Gamification learning can help improve students’ awareness of common mistakes in English writing. 2) Gamification learning has obviously raised students’ comprehensive writing results, of which the misformation errors have been improved most significantly, followed by the improvement of cohesion/coherence, content/organization and language. 3) Gamification has been accepted and praised by most students because the instructional content in gamification is more professional, targeted and meaningful, and game design is more interesting and challenging. This study attempts a new exploration to apply gamification into English writing teaching, and has obtained satisfactory results, which has provided not only pedagogical suggestions for English writing teaching, but also some enlightenment for the future studies of gamification in English writing teaching.

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)0,008
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,382
Écart entre enseignants0,364 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207