MétaCan
Menu
Retour à la cohorte
Enregistrement W4416366212 · doi:10.22329/jtl.v19i5.10276

A History of Applied Linguistics From 1980 to the present

2025· article· en· W4416366212 sur OpenAlexvenueno aff
Joko Slamet

Notice bibliographique

RevueJournal of Teaching and Learning · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésApplied linguisticsNeurolinguisticsSection (typography)Quantitative linguisticsCitationHistorical linguisticsOn LanguageTheoretical linguisticsCorpus linguistics

Résumé

récupéré en direct d'OpenAlex

Kees de Bot’s “A History of Applied Linguistics: From 1980 to the Present”, published by Routledge in 2015, is a seminal work that meticulously traces the trajectory of applied linguistics over the past few decades. The book spans 11 chapters over approximately 168 pages, offering a detailed exploration of Applied Linguistics (AL). De Bot begins by analyzing the diverse informants who have shaped AL, considering factors like gender, race, educational backgrounds, and affiliations. He critically examines AL’s definitions, its autonomy, and its relationships with fields like TESOL and AILA. Profiles of influential leaders highlight their contributions, while a thorough review covers seminal articles and books, emphasizing publishers’ roles in research dissemination. The book explores theoretical and methodological trends, including corpus linguistics, discourse analysis, and new areas like neurolinguistics and technology in language learning. De Bot discusses psycholinguistic and sociolinguistic dimensions such as language acquisition, identity, multilingualism, and language policy. His exploration of Complex Dynamic Systems Theory (CDST) applies it to understanding language dynamics and individual differences. A citation analysis section examines publication impact and academic influence dynamics. Ultimately, De Bot reflects on AL’s broad impact on language education, from theoretical insights to practical applications.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,846

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,022
Tête enseignante GPT0,250
Écart entre enseignants0,228 · 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 revueJournal of Teaching and LearningMême sujetEFL/ESL Teaching and LearningTravaux en français237 207