MétaCan
Menu
Retour à la cohorte
Enregistrement W2513017503 · doi:10.5539/ells.v6n3p32

The Use of Inflectional Morphemes by Kuwaiti EFL Learners

2016· article· en· W2513017503 sur OpenAlexvenueno aff
Abdullah Alotaibi

Notice bibliographique

RevueEnglish Language and Literature Studies · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMorphemeTest (biology)ComprehensionLinguisticsPsychologySignificant differenceMathematics educationComputer scienceNatural language processingMathematics

Résumé

récupéré en direct d'OpenAlex

This research paper aims to test the extent to which 100 Kuwaiti EFL learners are aware of the correct use of inflectional morphemes in English. It also explores the main causes of the errors that Kuwaiti EFL learners may make. Additionally, it checks whether the English proficiency level of the participants plays a role in their answers on the test. To this end, a multiple-choice test was used to measure the participants’ ability to use the correct inflectional morphemesin English. Following data analysis, the results reveal that Kuwaiti EFL learners are aware of the correct use of the inflectional morphemes in English to a certain degree (total mean=65.5%). Additionally, the t-test shows that the participants’ English proficiency level plays a central role in their comprehension of these morphemes. In particular, there is a statistically significant difference between the answers of the advanced learners (ALs) (73.5%) and intermediate learners (ILs) (57.5%). The number of correct answers provided by ALs is higher than that provided by ILs. Regarding the types of errors made by the participants, it has been argued that the most noticeable ones are due to first language (L1) negative transfer and the irregularity of some types of inflectional morphemes in English. Finally, the study concludes with some pedagogical implications and recommendations for further research.

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)0,004
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,021
Tête enseignante GPT0,304
Écart entre enseignants0,283 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetSecond Language Acquisition and LearningTravaux en français237 207