A Story-Telling Approach to Teaching English to Young EFL Iranian Learners
Notice bibliographique
Résumé
<p>This study investigated the effects of the storytelling approach on improving of EFL learners’ vocabulary knowledge. To this end, 30 upper-beginner EFL learners (out of a population of 134) were selected by means of an OPT test and were assigned to 2 groups: 1 experimental and 1 group. The participants were selected from among young EFL learners who were between 8 and 14 years old. They had already registered for English classes in Paya Language Center, Isfahan, Iran. As for the materials, they were mainly prepared by the teacher/researcher. Based on the units of <em>Backpack</em> books—taught in Paya Language Center—some stories were prepared and adopted by the teacher/researcher along with a visual presentation using the PowerPoint software. In carrying out the study, the participants were taught the key vocabulary via pictures and gestures. Once the participants had identified the new words, the teacher started telling and introducing the stories. While reading the stories, the teacher directed the participants’ attention to the PowerPoint presentation that included the visual representation of the story to facilitate the comprehension process. After the treatment, there was a posttest to assess the participants’ improvement. Results of data analysis revealed that the storytelling approach to teaching vocabulary proved effective for the experimental group. All the experimental group participants experienced a significantly meaningful increase in their vocabulary knowledge, compared to the control group. Finally, there was a boost in the interest rate of the experimental group participants in terms of motivation.</p>
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 | 0,006 | 0,012 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».