MétaCan
Menu
Retour à la cohorte
Enregistrement W2475212201 · doi:10.5539/elt.v9n9p28

The Effects of L2 Reading Skills on L1 Reading Skills through Transfer

2016· article· en· W2475212201 sur OpenAlexvenueno aff
Gonca Altmışdört

Notice bibliographique

RevueEnglish Language Teaching · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurkishReading (process)Reading comprehensionPsychologySyllabusVocabularyLanguage proficiencyMathematics educationContext (archaeology)CurriculumTest (biology)PedagogyLinguistics

Résumé

récupéré en direct d'OpenAlex

This study investigated whether transfer from L2 to L1 in reading occurs, and if so, which reading sub-skills are transferred into L1 reading. The aim is to identify the role of second language reading skills in L1 reading skills by means of transfer. In addition, the positive effects of the second language transfer to the first language in the context of reading skills and sub-skills were analyzed. Fifty-three native Turkish-speaking adults English language learners were tested in this study. These participants were university students who had the same L1 Turkish proficiency backgrounds. While 26 students took L2 reading courses for four months, the other 27 students did not take any L2 reading courses. After four months of L2 reading courses, these two groups were given a standard L1 (Turkish) reading test. The Turkish reading test included vocabulary, comprehension, grammar and reading sub-skills questions. The results revealed that L1 reading skills were affected positively by the L2 reading skill transfer. The study reveals which L1 reading sub-skills are more developed by L2 reading skills transfer. For further studies, the correlations in L1 and L2 courses may open a way in language curriculum design. Both courses can be designed as an adjunct course formulated on the skill-based syllabus model, and reading skills can be transferred cross-linguistically. Thus, L2 reading proficiency will be transferred to L1 proficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,223
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetSecond Language Learning and TeachingTravaux en français237 207