MétaCan
Menu
Retour à la cohorte
Enregistrement W2598999122 · doi:10.5539/elt.v10n4p92

The Effect of Aural and Visual Storytelling on Vocabulary Retention of Iranian EFL Learners

2017· article· en· W2598999122 sur OpenAlexvenueno aff
Maryam AminAfshar, Ahmad Mojavezi

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologyCronbach's alphaTest (biology)StorytellingMathematics educationVocabulary developmentVocabulary learningTeaching methodLinguisticsNarrativeDevelopmental psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

EFL learners at all ages and proficiency levels are usually confronted with various problems in vocabulary learning and retention. This study sought to introduce strategies for improvement of vocabulary learning and retention. Therefore, the effects of using aural/visual storytelling on Iranian EFL learners’ vocabulary learning and retention were investigated. To do so, 50 intermediate female EFL learners were randomly assigned to two groups. After the administration of teacher made English Vocabulary Test as the pre-test, aural storytelling method was used for the control group, and visual storytelling method was used for the experimental group. After three months of instruction, the aforementioned teacher made English Vocabulary Test, as the post-test, was given to the students of both groups to assess their improvements. Two weeks after post-test, they were given a delayed post-test to measure their retention of English vocabulary knowledge. The reliability of the English Vocabulary Test using Cronbach's Alpha was estimated equal to 0.80. Finally, Using ANCOVA, the results revealed that, the experimental group’s participants outperformed those of control group in both learning and retention of English vocabulary. So, it can be noted that the training program according to visual could have impressive impact on the learning and retention of vocabulary knowledge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,371
Écart entre enseignants0,351 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDigital Storytelling and EducationTravaux en français237 207