MétaCan
Menu
Retour à la cohorte
Enregistrement W4412847264 · doi:10.18806/tesl.v42i1/1423

Enhancing Intermediate English Learners’ Proficiency in Narrative Tenses

2025· article· en· W4412847264 sur OpenAlexvenueno aff
Tetyana Bidna

Notice bibliographique

RevueTESL Canada Journal · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeLinguisticsPsychologyLanguage proficiencyMathematics educationPhilosophy

Résumé

récupéré en direct d'OpenAlex

This article explores the meaning, form, and pronunciation of narrative tenses for intermediate English language learners, addresses common learner issues, and proposes solutions through a combination of literature review and classroom-based activities. Challenges include differentiating between tenses, correct usage, and pronunciation of past forms. Solutions involve using engaging activities and games to enhance understanding and retention. Additionally, the article addresses teaching issues related to memorization and pronunciation of irregular verbs, offering methodologies for improving student engagement and accuracy. Practical strategies are provided to help language teachers improve narrative tense instruction and overcome common obstacles in language learning. Cet article explore le sens, la forme et la prononciation des temps verbaux narratifs pour les apprenants d’anglais de niveau intermédiaire, aborde les défis communs des apprenants et y propose des solutions en combinant une revue de la littérature et des activités à réaliser en classe. Les défis comprennent la différenciation des temps verbaux, l’usage correct et la prononciation des formes du passé. Les pistes consistent à utiliser des activités et des jeux engageants pour améliorer la compréhension et la rétention. En outre, l’article aborde les défis d’enseignement liés à la mémorisation et à la prononciation des verbes irréguliers, en proposant des moyens pour améliorer l’engagement et la précision des apprenants. Des stratégies pratiques sont proposées pour aider les enseignants de langues à améliorer l’enseignement des temps narratifs et à surmonter les obstacles communs à l’apprentissage des langues.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,011
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207