Mastering the English formula: Fluency development of Japanese learners in a study abroad context
Notice bibliographique
Résumé
A common perception in English language education in Japan is that studying English abroad is the way to improve speech proficiency. An important element of speech proficiency is fluency, commonly measured by temporal variables of speech such as speed, pauses, and length of runs of speech. Evidence exists that the use of formulaic sequences, strings, and frames of words with specialized functions, mentally stored and retrieved as single words, is key to fluency. The present study is an examination of the spontaneous speech of four Japanese learners in a study abroad context in Canada. The participants’ narrative retells were analyzed over six months for increased fluency and use of formulaic sequences. The results show that the participants did increase their level of fluency, and that formulaic sequences played an important part in that development. This has implications for English language programs in Japan and other EFL contexts. 海外で英語を学習することにより英語の会話力は向上する、という考えは日本の英語教育の共通認識であるといってよい。会話力における重要な要素の一つは流暢さ（fluency）である。流暢さは通例、速度、ポーズ、発話の長さ等、発話の時間的変異により測定される。これまで行われた研究により、定型表現（formulaic sequences）ー独立した語彙として記憶され使用する際に想起される特定の機能をもった言い回しや単語のまとまりーを使うことが流暢さを増すための鍵となることが明らかになっている。本研究は、カナダで英語を学ぶ４人の日本人学習者の発話を分析、考察したものである。学習者に物語を聞かせ、それを自分の言葉で語らせることによりデータを収集した。期間は６ヶ月間に亘った。データは流暢さと定型表現使用の量について分析した。その結果、確かに学習者は流暢さが増し、さらに定型表現の使用がその上達に重要な役割を果たしたことを示していることが明らかになった。この結果に基づき外国語としての英語教育にさまざまな示唆を行った。
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 | 0,003 | 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 | 0,001 | 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) | 0,000 | 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 ».