Native or Non-native-speaking Teaching for L2 Pronunciation Teaching?—An Investigation on Their Teaching Effect and Students’ Preferences
Notice bibliographique
Résumé
<p>This study investigated L2 leaners’ preferences between native-speaking teachers (NST) and non-native-speaking teachers (NNST) as their English pronunciation teacher, and examined the participants’ accentedness and comprehensibility in L2-English pronunciation after being taught by a NST and a NNST. The participants were 30 undergraduates who were doing non-English majors at a university in China. They went through 4-month English pronunciation classes. In the first 2 months, they were taught by a NST. From the 3rd to the 4th month, they were taught by a NNST. Their accentedness and comprehensibility of spoken English were tested at the beginning of the programme (pre-test), at the end of the 2nd month (middle test), and at the end of the 4th month (post-test). Information on their evaluation of the NST and NNST as a pronunciation teacher was collected with questionnaires at the end of the experiment. According to the results, (1) compared with that in pre-test, the participants’ accentedness and comprehensibility both improved slightly in middle test; (2) compared with that in middle test, the participants received significant improvement both in comprehensibility and accentedness; (3) the majority of the participants prefer a NST to a NNST to be their English pronunciation teacher.</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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 ».