Vocabulary Learning through Extensive Reading: A Case Study.
Notice bibliographique
Résumé
Abstract The role and importance of reading in second language vocabulary learning have been discussed by many researchers because of the richness and variety of vocabulary in written texts compared to oral discourse (Horst, 2005; Nation, 2001). However, despite the recent increase of studies in this field, there are very few studies focusing on non-Western languages, including Japanese, compared to Indo-European languages. To fill the gap, this study explored the process of Japanese vocabulary acquisition through extensive reading. Data were collected through a pretest, eight immediate tests, a posttest, and a semistructured interview. The results indicate that extensive reading is especially beneficial in consolidating learners’ vocabulary knowledge and in encouraging learners to reflect on their interests and needs in vocabulary learning. Résumé Le rôle et l’importance de la lecture dans l’apprentissage du vocabulaire en langue seconde sont sujets de discussion pour de nombreux chercheurs en raison de la richesse et de la variété de la langue écrite en comparaison au discours oral (Horst, 2005 ; Nation, 2001). Toutefois, malgré la récente hausse d’études effectuées dans ce domaine, très peu d’études se concentrent sur les langues non-occidentales, incluant le japonais, en comparaison aux langues indo-européennes. Pour combler cette lacune, cette étude a exploré le processus d’acquisition du vocabulaire en japonais par la lecture assidue. Les données ont été recueillies grâce à un pré-test, huit tests immédiats, un post-test et une entrevue semi-structurée. Les résultats indiquent que la lecture assidue est particulièrement bénéfique pour la consolidation du vocabulaire des apprenants et pour encourager les apprenants à réfléchir à leurs intérêts et à leurs besoins dans l’apprentissage du vocabulaire.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».