The Relationship between Iranian EFL Learners’ Use and Preferences of Language Learning Strategies and Their Meta-Knowledge and Tasks of Pragmatic Competence
Notice bibliographique
Résumé
The present study investigated the relationship between Iranian EFL learners’ use and preferences of language learning strategies and their meta-knowledge and the tasks of pragmatic competence. Quick Oxford Placement Test, version 2 (2004) was administered and 120 upper-intermediate EFL university students majoring in English translation and TEFL were recruited from the available branches of the Islamic Azad University, Fars province. Likewise, a questionnaire entitled Iranian EFL learners’ meta-knowledge and pragmatic tasks (2016) was used to explore EFL learners’ meta-knowledge and tasks of pragmatic competence and the mean score was calculated. Then, Oxford Strategy Inventory for Language Learning (1990) was used to analyze EFL learners’ use and preferences of language learning strategies and the mean score was calculated. Also, to examine any possible relationship between EFL learners’ use and preferences of language learning strategies and their meta-knowledge and pragmatic tasks, some correlations were run. The results of data analyses showed that Iranian EFL learners were moderate in meta-knowledge and tasks of pragmatic competence and in their use of language learning strategies in general. More detailed analyses of the data ranked the order of the applications of the strategies as: social strategies, meta-cognitive strategies, cognitive strategies, memory strategies, compensation strategies and affective strategies from the most to the least frequent strategies applied by the participants of the study. There was a significant medium positive relationship between meta-knowledge and tasks of pragmatic competence and meta-cognitive strategy. However, there were slight but significant positive relationships between meta-knowledge and tasks of pragmatic competence and compensation and affective strategies and no relationships between meta-knowledge and tasks of pragmatic competence and social, affective and compensation strategies.
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 | 0,005 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».