Measuring Vocabulary Learning Strategy Use of Turkish EFL Learners in Relation to Academic Success and Vocabulary Size
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
The purpose of this study was to investigate Vocabulary Learning Strategy (VLS) use of English Language andLiterature Department students in relation to academic success and vocabulary size. The participants of the study are213 English Language and Literature students. Two data collection tools were used in the study. The first tool wastheVocabulary Learning Strategy (VLS) questionnaire which was adapted from by Gu & Johnson (1996), and thesecond data collection tool was a Vocabulary Level Test (VLT) developed by Nation (1983).Descriptive statisticswere conducted in order to measure the level of vocabulary learning strategy (VLS) use and vocabulary size of theparticipants. In addition, correlation analysis was carried out in order to see which VLSs are more frequently used bylow, middle and upper level vocabulary size students. The results indicated that the participants have a high level ofvocabulary size for 2000 word level, 3000 word level, and academic word levels, a moderate level of vocabulary sizefor 5000 word level and a low level in 10000 word level. The participants were found to have a moderate level ofvocabulary learning strategy use. The study also found that 3rd grade students had larger vocabulary size in terms of2000, 3000 and academic vocabulary level. As for the vocabulary strategy use, 3rd grade students were found to usebottom-up strategies and note-taking strategies more frequently than 2nd grade students. Finally, correlation analysisrevealed that bottom-up strategies, using linguistic clues, and top-down strategies significantly correlated withacademic success.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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