The Efficacy of Structural Priming on the Acquisition of Double Object Construction by Chinese EFL Learners
Notice bibliographique
Résumé
Structural priming refers to the tendency of speakers to reuse the same structural pattern as one that was previously encountered (Bock, 1986). The effectiveness of structural priming has been an issue of much discussion in the field of second language acquisition over decades. This study aims at investigating the role of structural priming in Chinese English-as-a-foreign-language (EFL) learners’ acquisition of double object (DO) construction. Specifically, it addresses two questions: (i) whether structural priming can facilitate second language acquisition of English DO construction in the short-term and long-term; (ii) whether different priming conditions by manipulating the intervening lags between prime and target have different learning effect. With a pretest-treatment–posttest–delayed posttest research design, 60 intermediate level Chinese EFL learners from three intact English classrooms in a junior college were assigned to three groups: control group, no-lag priming group and long-lag priming group. Results showed that the two treatment groups showed an overall increase in DO production in picture description tasks after the structural priming treatment, whereas the control group remained almost the same in target structure production over the three testing sessions. In addition, the no-lag priming group outperformed the long-lag priming group in the immediate posttest. These findings suggested that structural priming facilitated Chinese EFL learners’ acquisition of DO construction both in the short-term and long-term. Moreover, manipulating the lags between prime and target can only mediate the short-term learning effect. These results are analyzed in light of frequency effect and contextual effect in the frame of usage-based theory of language acquisition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».