MétaCan
Menu
Retour à la cohorte
Enregistrement W6997562096

Willingness to Communicate in English As a Second Language As a Stable Trait or Context-influenced Variable: Case Studies of Iranian Migrants to New Zealand

2013· article· en· W6997562096 sur OpenAlexaboutno aff

Notice bibliographique

RevueAUT Scholarly Commons · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesAuckland University of Technology, New Zealand
Mots-clésWillingness to communicateTraitContext (archaeology)Situational ethicsSecond languageExploratory researchQualitative researchEnglish as a second languageImmigration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Whether Willingness to Communicate (WTC) is a permanent trait or is modified by situational context has previously been investigated in various studies (e.g. Cao & Philp, 2006; Kang, 2005; MacIntyre & Legatto, 2011). However, most research into WTC has been quantitative or conducted in the English as a Foreign Language (EFL) or Study Abroad situation in countries such as Canada, Japan, Korea and China. This article reports on the qualitative component of an exploratory mixed methods study in a New Zealand (NZ) university with participants who are permanent migrants from Iran. These students completed a questionnaire and participated in further in-depth semi-structured interviews. The article provides an overview of previous research into WTC and motivation in Iran and NZ as the context for these three case studies. In this study, six factors, both trait and situational, were identified as having an effect on these students’ WTC in both countries: self-perceived competence; personality; anxiety; motivation and the importance of English; and the learning context. Finally, this article discusses the contribution of this study to the WTC field of research, identifying the implications of these results for teachers of English in the ESL (English as a Second Language or migrant) context and possible avenues for future research.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,048
Tête enseignante GPT0,301
Écart entre enseignants0,253 · 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'étudeQualitatif
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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAUT Scholarly CommonsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207