Learning Strategies of Arabic Language Vocabulary for Pre-University Students’ in Malaysia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vocabulary is a vital aspect in second language learning. The knowledge and mastery of vocabulary are able to give a direct effect on learning and mastery of a second language. The learning of Arabic language in Malaysia has also put the mastery of Arabic language vocabulary as the main goal. The aim of this survey is to explore the learning strategies of Arabic language vocabulary of pre-university students in Malaysia. The objectives of this study are to (a) measure the vocabulary learning strategies (VLS) usage level of pre university students, (b) to identify the highest strategy usage for each main vocabulary learning strategy (VLS) and (c) to identify the lowest strategy usage for each main vocabulary learning strategy (VLS). Questionnaires are used as the instrument which is developed based on the Schmitt’s VLS classification (1997). The sample involved 742 students in 15 religious high school (SMKA) and government-aided religious school (SABK). The study found that pre-university students have been using vocabulary learning strategies (VLS) moderately. Generally, the students used the determination strategy with the highest frequency compared to other strategies whilst the cognitive strategy is the least optimized one. Six strategies are used regularly while 12 strategies are not used frequently. The findings show that pre-university students tend to use strategies that are simpler, not creative and do not require high level of thinking. This situation somehow has displayed that the learning of Arabic language vocabulary in Malaysia is still very far from achieving the vocabulary learning objectives.
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.
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 | 0,001 | 0,000 |
| 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) | 0,001 | 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 découle