MétaCan
Menu
Retour à la cohorte
Enregistrement W4408345265 · doi:10.22329/jtl.v19i1.9460

Narrative Inquiry in Language Teaching and Learning Research (Second Edition)

2025· article· en· W4408345265 sur OpenAlexvenueno aff
Pasan Athapaththu

Notice bibliographique

RevueJournal of Teaching and Learning · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarrative inquiryMathematics educationLinguisticsComputer sciencePedagogyPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Within the diverse range of methodological choices available to researchers, especially those who find their research orientation leaning towards the qualitative research paradigm, narrative inquiry has emerged as a significant yet understated focus for 21st-century applied linguists, undergraduate students, and postgraduate scholars working on their investigations into language teaching and learning experience. This seemingly new methodological development in applied linguistics has drawn its inspiration primarily from sociological and psychological literature (Barkhuizen, Benson, & Chik, 2014) and thanks to the inspiring work of Connelly and Clandinin (1990) and has eventually transitioned into many other domains, including social sciences and humanities (Connelly & Clandinin, 1990; Lieblich, Tuval-Mashiach, and Zilber, 1998; Pinnegar & Daynes, 2007; Riessman & Speedy, 2007; Webster & Mertova, 2007), even though narrative inquiry has been practiced before (Clandinin & Rosiek, 2007). With the increasing scholarly contributions and published empirical research, narrative inquiry has evolved into a vital and multifaceted methodology that, while rooted in sociological and psychological foundations, has gained widespread recognition across various disciplines, particularly in applied linguistics, as an optimal investigative route for exploring lived experience of language teaching and learning.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,103
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0230,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,006
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,046
Tête enseignante GPT0,439
Écart entre enseignants0,392 · 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 tête enseignante, pas un consensus.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207