Improving English Learners’ Productive Collocation Knowledge: The Effects of Involvement Load, Spacing, and Intentionality
Notice bibliographique
Résumé
This article reports on a classroom-based experiment that tested the effects of threevocabulary teaching constructs (involvement load, spacing, and intentionality)on the learning of English verb-noun collocations—for example, “shelve a plan.”Laufer and Hulstijn’s (2001) “involvement load” predicts that the higher themotivational-cognitive load of a task, the more effectively it promotes word retention.“Spacing” refers to the advantage of spreading out learning opportunitiesfor words as opposed to massing them. “Intentionality” comprises two word processingmodes: intentional learning (posttest announced) and incidental learning(posttest unannounced), where the former is claimed to outperform the latter.The constructs were integrated into an intervention study with 59 adolescent L1Swedish learners of English in within- and between-subjects designs. Learnersprocessed target items three times when performing tasks that operationalized theconstructs. Three posttests of productive knowledge of target items were administered.Statistical analyses of gain scores show that neither involvement load norspacing had a significant positive impact on learning gains. Significant effectswere found on three measures for intentional learning when compared to incidentallearning. The findings are discussed in relation to previous research and theirimplications for English language teaching (ELT).Cet article rend compte d’une expérience basée en salle de classe et qui évalueles effets de trois concepts pédagogiques en enseignement du vocabulaire (charged’implication, espacement et intentionnalité) sur l’apprentissage d’expressions figéesen anglais consistant d’un verbe et d’un nom. La « charge d’implication » deLaufer et Hulstijn (2001) prédit que plus la charge motivationnelle et cognitived’une tâche est élevée, plus elle favorise la rétention des mots. « L’espacement »fait référence à l’avantage de répartir les occasions d’apprentissage des mots plutôtque de les rassembler. « L’intentionnalité » comprend deux modes de traitementdes mots: l’apprentissage intentionnel (post-test annoncé) et l’apprentissage accidentel(post-test pas annoncé), le premier supposément donnant de meilleursrésultats que le second. Ces concepts ont été intégrés dans une étude d’interventionimpliquant 59 adolescents suédois qui apprenaient l’anglais et suivant un modèle àmesures répétées et un modèle inter-sujets. Les participants ont traité des élémentscibles trois fois en accomplissant des tâches qui opérationnalisaient les concepts.Trois post-test portant sur des connaissances productives des éléments cibles ont eulieu. Des analyses statistiques des notes ont indiqué que ni la charge d’implicationni l’espacement n’avaient eu un impact positif significatif sur les notes. Trois mesures de l’apprentissage intentionnel comparé à l’apprentissage accidentel ont révélé des effets significatifs. Nous discutons des résultats par rapport à la recherche antérieure et en fonction de leurs incidences sur l’enseignement de l’anglais.
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 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».