Teaching English Idioms as Metaphors through Cognitive-Oriented Methods: A Case in an EFL Writing Class
Notice bibliographique
Résumé
Idioms have long been regarded as problematic for L2 learners due to the arbitrariness of their meanings and forms. Traditional methods of teaching idioms focus on rote learning and memorization. Recent developments in cognitive linguistics research have considered idioms as analyzable expressions which are motivated by conceptual metaphors and whose meanings can derive from associations between source and target concepts. Believed to be imageable and comprehensive, idioms should be learned through the process of raising L2 learners’ awareness of conceptual metaphors behind these expressions. Nevertheless, these methods fail to notice culture entailments embedded in conceptual metaphors. Especially for FL learners who share neither common cultural background nor living environment with the target language users, difficulties resulting from transferability between L1 and L2 idioms owing to cultural similarities and differences may be serious. To bridge the gap between idioms and conceptual metaphors caused by cross-cultural differences, this study suggests a teaching method by incorporating the idea of metaphoric mappings. A case study was conducted in an EFL writing class to investigate the effect of the methods. Essays written by the students before and after the instruction were analyzed. Results showed that the students increased frequencies of using not only common idiomatic expressions but also creative analogies comprising vivid images based on the conceptual metaphors taught. Additionally, they used L2 expressions whose conceptual metaphors also existed in L1 more often then expressions whose conceptual metaphors were exclusive in L2. Such findings affirm the importance of culture and provide valuable insight to EFL teachers in adopting cognitive-oriented method to teach English idioms.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».