MétaCan
Menu
Retour à la cohorte
Enregistrement W4413773568 · doi:10.5539/hes.v15n4p13

Using Topic-based Approach to Plan a Lesson on Lexical Collocations for Saudi EFL Students

2025· article· en· W4413773568 sur OpenAlexvenueno aff
Othman Aljohani

Notice bibliographique

RevueHigher Education Studies · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyLesson planTeaching methodComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Habitual co-occurrence of lexical items referred to as collocations have been reported in research studies to significantly impact language learning experience by developing proficiency in both receptive and productive skills, especially in English as a Foreign Language (EFL) contexts. Lexical collocations which are formed out of the content words facilitate the acquisition of naturalness and fluency among EFL learners. Blending content analysis and topic-based approaches, this study attempted a lesson plan on lexical collocations for elementary level EFL students. The researcher used Presentation, Practice and Production (PPP) paradigm in the lesson procedure, and all lesson stages, materials, tasks and activities were built around this framework. The lesson was delivered in real-time classroom setting and the researcher took notes of the main events which were then reflected upon for a post-lesson analysis of the teacher performance. While most of the stages, tasks and activities were delivered according to the plan and had a satisfactory level of student participation, a few of the lesson activities could not be administered effectively due to time management issues. Nevertheless, the study is expected to provide some useful insights to EFL practitioners about developing the lexical range of elementary level learners in general and collocational competence in particular. It is also anticipated that the article might also help other scholars to conduct further research on the topic.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,205
Tête enseignante GPT0,517
Écart entre enseignants0,312 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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 revueHigher Education StudiesMême sujetSecond Language Acquisition and LearningTravaux en français237 207