MétaCan
Menu
Retour à la cohorte
Enregistrement W2789339164 · doi:10.5539/ijel.v8n4p25

The Effect of Word Type on the L1 Support for L2 Vocabulary Learning: The Case of Arab EFL Learners

2018· article· en· W2789339164 sur OpenAlexvenueno aff
Dina Adel Salam El-Dakhs, Hind Elhajj, Jawaher Nasser Al-Haqbani

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesPrince Sultan University
Mots-clésVocabularyLexiconVocabulary learningWord (group theory)ArabicControl (management)LinguisticsPsychologySecond languageComputer scienceNatural language processingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There is strong agreement in the literature that the first language (L1) supports second language (L2) vocabulary learning particularly at early stages of learning. The present study examines the influence of word type on the use of L1 language to support L2 vocabulary learning. To this end, 130 Arabic-speaking tertiary elementary female learners of English were taught 24 unfamiliar English words in 4 sessions over 4 weeks. The participants were divided into three groups; (1) a group where target words were taught with the use of translation equivalents, (2) a group taught with L2-only-definitions and (3) a control group who received no special treatment. Comparing the participants’ performance in pre-, immediate post- and delayed post-tests showed that the two experimental groups outperformed the control group, reflecting the benefit of the treatment. The results also showed greater vocabulary gains in terms of long-term retrieval for L1 use, but did not show consistent patterns for the special benefit of L1 in terms of specific word types. The results are interpreted in light of the existing literature and relevant bilingual lexicon models. Pedagogical implications and suggested research directions are also proposed.

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)0,066
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,066
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,344
Écart entre enseignants0,327 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSecond Language Acquisition and LearningTravaux en français237 207