The Teaching of English Pronunciation: Perceptions of Indonesian School Teachers and University Students
Notice bibliographique
Résumé
<p>This study aimed to explore teachers’ and students’ perception of pronunciation teaching in Indonesian EFL classrooms, particularly on (1) the difficulty of English pronunciation, (2) the reasons for the difficulty, (3) the inclusion of pronunciation in EFL classrooms, (4) the goal of pronunciation teaching, (5) priorities in pronunciation teaching, and (6) techniques in pronunciation teaching. To achieve the purpose, a written questionnaire was distributed to 110 Indonesian school teachers and 230 Indonesian university students. The collected data were submitted to independent two-sample t test to determine the significant mean differences between the teacher and student participants. The results of the study discovered that almost all of the respondents perceived English pronunciation as one of the most difficult areas in English learning. The participants also agreed that two most significant reasons for the difficultly were related to students’ first language (L1). Regarding these results, the participants strongly agreed on the inclusion of pronunciation in EFL classrooms with intelligibility as the goal of pronunciation teaching. Moreover, segmental features such as consonants and vowels as well as sentence stress became the priorities in pronunciation teaching for EFL learners. Finally, teacher explanation in students’ L1, followed by demonstration of how to produce the English phonemes, is significantly rated as the better way to teach English pronunciation in EFL classrooms. The finding of the study implies that intelligibility as the goal of pronunciation teaching can be really attained with the consideration of priorities and techniques in pronunciation teaching.</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 | 0,002 | 0,004 |
| 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 ».