The Relationship between Iranian EFL Students' Knowledge of Farsi Grammar and their English Grammar Knowledge
Notice bibliographique
Résumé
This study specifically intended to investigate the correlation between Farsi grammar knowledge and English grammar knowledge in relation to students' English language proficiency, age, gender, and linguistic intelligence. The study was conducted with 16 male and 19 female English literature undergraduate students studying at the Foreign Languages Department of state University of Qom, Iran. In this study, one questionnaire and three different tests were administered: a 20-item linguistic intelligence questionnaire in Likert scale model based on Gardner's Multiple Intelligence Theory, a 50-item Nelson Proficiency Test by which the participants were divided into two groups; „high‟ and „low‟ proficient, a 22item multiple-choice test of Farsi grammar knowledge, and a 22-item multiple-choice test of English grammar knowledge. After scoring, some Pearson and Spearman Correlation Coefficient tests were run through SPSS software to investigate the relationship between Farsi and English grammar knowledge, and the relationships between grammar knowledge and English language proficiency, age, and linguistic intelligence. Also, an Independent-Samples T-Test was run to investigate sex differences in terms of L1/L2 grammar knowledge. Finally, it was concluded that: 1. Generally, without considering any other variables, Farsi grammar knowledge and English grammar knowledge are strongly correlated with each other. 2. English language proficiency is correlated with neither English nor Farsi grammar knowledge in none of the groups, i.e. low and high proficient. 3. Linguistic intelligence is significantly correlated with both English and Farsi grammar knowledge. 4. Participants' age is not significantly correlated with either English or Farsi grammar knowledge. 5. Males and females are not significantly different with each other in either English or Farsi grammar knowledge.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 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) | 0,003 | 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 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 ».