Exploring the dynamic metaphor patterns in describing English public speaking anxiety among Chinese learners
Notice bibliographique
Résumé
Abstract This study aims to explore the dynamic metaphor patterns in describing English public speaking (EPS) anxiety among Chinese learners. Metaphor is frequently used to describe complex emotional states, mental processes, and difficult experiences (Kövecses, Zoltán. 2003. Metaphor and emotion: Language, culture, and body in human feeling . Cambridge: Cambridge University Press). This investigation is based on the discourse dynamics approach (Cameron, Lynne & Robert Maslen (eds.). 2010. Metaphor analysis: Research practice in applied linguistics, social sciences and the humanities . Toronto: University of Toronto Press). Fifteen Chinese learners were interviewed to present their EPS anxiety experiences in three speech types. A blended approach (combining naturalistic and elicited metaphors) was employed in the interviews. A total of 2006 metaphor vehicle terms were identified from the transcripts of interviews. The fitted log-linear model did not retain the highest level of the three-way interaction between VEHICLE GROUPING, TOPIC TERM and SPEECH TYPE. However, two possible bivariate associations (i.e., VEHICLE GROUPING * TOPIC TERM, and SPEECH TYPE * TOPIC TERM) were retained and discussed as metaphor patterns. In terms of the topics, metaphors of ANXIETY and OTHER (classroom environment, task demands, teacher feedback, peer pressure, emotional states of other people) were used more to describe EPS anxiety in the first informative speech but less in the third persuasive speech.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».