Communicative language teaching to develop the writing skill in EFL
Bibliographic record
Abstract
En la presente investigación, el Método Comunicativo (CLT) contribuyó de manera práctica en el proceso de enseñanza - aprendizaje al mejoramiento del nivel de escritura en inglés de los estudiantes del Centro de Idiomas de la Escuela Superior Politécnica de Chimborazo ". Las técnicas basadas en CLT redujeron significativamente los errores en escritura y permitieron a los estudiantes escribir textos de manera clara. Por lo tanto, los estudiantes pudieron usar el inglés para escribir informes académicos, notas, correos electrónicos, cartas y otro tipo de trabajos académico en inglés de mejor manera. Además, gracias a la interacción que los estudiantes tuvieron a través del Método CLT, la universidad obtuvo beneficios, como un mejor rendimiento docente, producción de escritura y desarrollo académico. La triangulación de métodos, técnicas e instrumentos se utilizó para obtener datos precisos e intervenir en el proceso de escritura. El método empírico permitió al investigador-maestro recopilar información del desempeño de los estudiantes en la clase de inglés a través de una guía de observación. Además, el método analítico, una prueba KET y una tabla de análisis de contenido (rubrica de Cambridge) se utilizaron en la investigación para determinar los errores de escritura más comunes de los estudiantes. El Método Experimental se utilizó para contrastar los resultados obtenidos en una prueba previa y posterior. La intervención se aplicó directamente en el grupo experimental de 24 estudiantes para contrastar con el grupo control. Un análisis estadístico descriptivo e inferencial sirvió para demostrar el posible cambio en la habilidad de escritura después de la intervención del investigador. Todos estos resultados demostraron el impacto positivo del proyecto en la mejora de la habilidad de escritura.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".