MétaCan
Menu
Retour à la cohorte
Enregistrement W601513121 · doi:10.21832/9781783092383

The impact of self-concept on language learning

2014· book· en· W601513121 sur OpenAlexaboutno aff
Kata Csizér, Michael Magid

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExperiential learningPsychologyLanguage acquisitionMayaIdentity (music)Learner autonomySelfSocial psychologyMathematics educationLanguage educationComprehension approachArtAestheticsEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Epilogue 1. Kata Csizer and Michael Magid: The Self-concept and Language Learning: An Introduction Part I: Theories Related to Self-concept 2. Zoltan Dornyei: Future Self-guides and Vision 3. Maya Sugita McEown, Kimberly A Noels and Kathryn Everhart Chaffee: At the Interface of the Socio-educational Model, Self-determination Theory, and the L2 Motivational Self System Model 4. Sarah Mercer: Reimagining the Self as a Network of Relationships Part II: Self-concept and Language Learning 5. Kata Csizer and Judit Kormos: The Ideal L2 Self, Self-regulatory Strategies and Autonomous Learning: A Comparison of Different Groups of English Language Learners 6. Tae-Young Kim and Yoon-Kyoung Kim: EFL Students' L2 Motivational Self System and Self-Regulation: Focusing on Elementary and Junior High School Students in Korea 7. David Lyons: The L2 Self-concept in Second Language Learning Motivation: A Longitudinal Study of Korean University Students 8. Kimberly A Noels, Kathryn Everhart Chaffee, Megan Michalyk and Maya Sugita McEown: Culture, Autonomy and the Self in Language Learning 9. Elke Stracke, Jeremy Jones and Nicolette Bramley: Investigating Adult Migrant ESL Learners' Language Learning Motivational Profile in Australia: Towards a Bicultural Identity 10. Kay Irie and Damon Brewster: Investing in Experiential Capital: Self-efficacy and Development of Possible Selves 11. Janina Iwaniec: Self-constructs in Language Learning: What is their Role in Self-regulation? 12. Masuko Miyahara: Emerging Self-identities of Second Language Learners: Emotions and the Experiential Profile of Identity Construction 13. Jim King: Fear of the True Self: Social Anxiety and the Silent Behaviour of Japanese Learners of English 14. Zhen Yue: Chinese University Students' Willingness to Communicate in the L2 Classroom: The Complex and Dynamic Interplay of Self-concept, Future Self-guides and the Sociocultural Context 15. Nihat Polat: The Interaction of the L2 Motivational Self System with Socialisation and Identification Patterns, and L2 Accent Attainment Part III: Self-concept and Language Teaching 16. Gabriella Mezei: The Effect of Motivational Strategies on Self-related Aspects of Student Motivation and Second Language Learning 17. Yuzo Kimura: ELT Motivation from a Complex Dynamic Systems Theory Perspective: A Longitudinal Case Study of L2 Teacher Motivation in Beijing Part IV: Intervention Studies 18. Michael Magid: A Motivational Programme for Learners of English: An Application of the L2 Motivational Self System 19. Letty Chan: Effects of an Imagery Training Strategy on Chinese University Students' Possible Second Language Selves and Learning Experiences 20. Jessica Mackay: An Ideal L2 Self Intervention: Practical Implications in a Spanish EFL Context Conclusion Michael Magid and Kata Csizer: The Self-concept and Language Learning: Future Research Directions

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)0,002
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,244 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEFL/ESL Teaching and LearningTravaux en français237 207