MétaCan
Menu
Retour à la cohorte
Enregistrement W576119080 · doi:10.5206/entrehojas.v3i2.6142

Spanish future of probability: teaching and learning

2014· article· en· W576119080 sur OpenAlexaffvenueabout
Irina Goundareva

Notice bibliographique

RevueEntrehojas Revista de Estudios Hispánicos · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGrammaticalityMeaning (existential)Computer scienceSecond-language acquisitionProcess (computing)Control (management)LinguisticsPsychologyFeature (linguistics)Mathematics educationLanguage acquisitionArtificial intelligenceGrammar

Résumé

récupéré en direct d'OpenAlex

This project investigates how the acquisition of the future of probability in Spanish can be facilitated through classroom instruction, taking into consideration what L1 English and L1 French learners of L2 Spanish bring to the process of acquisition of this linguistic feature and how language instructors may need to manipulate the input to facilitate learning. We designed an experiment which measures different outcomes of form focused and meaning based instructional methods compared to the one currently used at the University of Ottawa in the Spanish program. We have developed grammaticality judgment and limited written production tasks. We also consider long-term effects of the instruction based on the results of the delayed posttest. Our preliminary results suggest that there is an advantage of meaning based instruction over the form focused one on both tests. At the same time, both instructional methods have had more positive effect on the learner acquisition compared to the results of the control group in both explicit and implicit knowledge. As expected, French L1 learners have a slight benefit over the English L1 learners due to the positive transfer from their L1 into L2 Spanish.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,007
Tête enseignante GPT0,238
Écart entre enseignants0,231 · 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'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

Citations5
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEntrehojas Revista de Estudios HispánicosMême sujetNatural Language Processing TechniquesTravaux en français237 207