On Chinese EFL Learners’ Homonym Processing in Relation to Their Organization of L2 Mental Lexicon
Notice bibliographique
Résumé
Based on the models of lexical ambiguity resolution and the organization of L2 mental lexicon proposed by previous researchers in recent years, this paper aimed at investigating the correlation between the Chinese EFL learners’ homonym processing in relation to their organization of L2 mental lexicon through cross-modal sentence-priming lexical decision tasks and word association tasks completed by both English major and non-English major students. The results showed that there is a positive correlation between the learners’ organization of L2 mental lexicon and their performance on English homonym processing. Inferential statistic analysis indicates that learners whose L2 mental lexicon is more syntagmatically related can process the English homonym more effectively. They can use contextual cues (semantic and syntactic information) to deactivate inappropriate meanings while low proficiency learners may be slower and less effective in using the sentence context cues needed for disambiguation. Therefore, it has been tentatively indicated that effective spreading activation of a word during reading and listening is important and helpful for learners’ comprehension, and pedagogically suggested that consciously categorizing syntagmatically related words in L2 mental lexicon during teaching and learning new English words can help reconstruct lexical networks so as to correctly and quickly retrieve the words from the mental lexicon in a certain context and better understand the meaning of the whole context in reading and listening.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,017 |
| 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 | 0,000 |
| 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) | 0,003 | 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 tête enseignante, 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 ».