MétaCan
Menu
Retour à la cohorte
Enregistrement W1535068680 · doi:10.5539/elt.v8n9p104

The Use of Humourous Texts in Improving ESL Learners’ Vocabulary Comprehension and Retention

2015· article· en· W1535068680 sur OpenAlexvenueno aff
Nursyafiqah Zabidin

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyTest (biology)Reading comprehensionPsychologyVocabulary developmentSession (web analytics)Reading (process)ComprehensionWord recognitionLinguisticsMathematics educationTeaching methodComputer science

Résumé

récupéré en direct d'OpenAlex

Successful language acquisition requires extensive word knowledge. However, learners are reportedly unable to increase their word knowledge due to insufficient meaningful input in the language classrooms. This paper intended to present another tool to encourage learners’ vocabulary development. It examined the effect(s) of using short narrative jokes on ESL learners’ word comprehension and retention. The study involved an experiment in which two intact groups of tertiary students attended four reading sessions. In each reading session, before they began reading, the participants were given a vocabulary test (pre-test) to measure vocabulary recognition of the target words. The experimental group was then exposed to short humourous text while the control group was exposed to comparable non-humourous text. After each reading session, the participants were given immediate vocabulary test (post-test 1) to measure vocabulary comprehension. After a week, the participants were given delayed vocabulary test (post-test 2) to measure vocabulary retention. The participants’ gain scores were assessed by comparing their post-test 1 to pre-test score. Lastly, the gain scores and scores in delayed vocabulary test of the two groups were compared using t test. The findings of this study indicated that humour could relatively influence word comprehension and retention. One of its implications is for language teachers to include humour in vocabulary teaching and learning.

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 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 enseignants0,214
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,313
Écart entre enseignants0,257 · 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.

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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetHumor Studies and ApplicationsTravaux en français237 207