MétaCan
Menu
Retour à la cohorte
Enregistrement W7133028282

EFL Learners' Perceptions of (In)formality: Address Forms in Interaction with Other (In)formal Register Markers

2016· dissertation· W7133028282 sur OpenAlexaff
Ivan Lasan

Notice bibliographique

RevueTSpace · 2016
Typedissertation
Langue
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFormalityLikert scaleRegister (sociolinguistics)VocabularyPerceptionVariation (astronomy)Salient
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Perception and production of stylistic variation is an important aspect of sociolinguistic and pragmatic competence. Whereas most research has focused on the production of (in)formal variants by native speakers, this study compares perceptions of formality by English-dominant (ED) speakers and advanced English-as-a-foreign-language (EFL) learners measured on a 5-point Likert scale for 20 examples of e-mail workplace communications in which (in)formal greetings, address forms, and vocabulary are variously combined as three register markers. Participants also reported how certain they felt about their formality ratings on a 4-point Likert scale, and identified features that they considered significant in their perceptions of formality. Statistically significant differences between the two participant groups emerged in 11 of the formality and 12 of the certainty ratings. A trend which needs to be substantiated by further research was observed suggesting that the EFL learners found address forms more and vocabulary less salient than the ED speakers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,209
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0790,000

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 Opus0,032
Tête enseignante GPT0,400
Écart entre enseignants0,368 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetSecond Language Acquisition and LearningTravaux en français237 207