Learning and Teaching L2 Collocations: Insights from Research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of this article is to present and summarize the main research findings inthe area of learning and teaching second language (L2) collocations. Being a largepart of naturally occurring language, collocations and other types of multiwordunits (e.g., idioms, phrasal verbs, lexical bundles) have been identified as importantaspects of L2 proficiency that need to be promoted through language instruction.However, while in recent years the field of applied linguistics has witnessedan impressive rise in the number of studies exploring the process of learning andusing L2 collocations, there is still little consensus as to the most effective waysof enhancing this kind of knowledge. The aim of this article is to review the literaturein this area, highlight the main findings pertaining to teaching English as asecond (ESL) and foreign (EFL) learners, and point to future research directions.L’objectif de cet article est de présenter et résumer les résultats principaux derecherche dans le domaine de l’apprentissage et l’enseignement des expressions figéesen L2. Constituant une partie importante d’une langue naturelle, les expressionsfigées et d’autres types d’unités composées (p. ex. expressions idiomatiques,verbes à particule) sont des aspects importants de la compétence en L2 que l’enseignementde la langue doit promouvoir. Toutefois, si le nombre d’études portantsur l’apprentissage et l’emploi des expressions figées en L2 a augmenté de façonimportante dans le domaine de la linguistique appliquée récemment, un faibleconsensus existe quant aux moyens qui sont les plus efficaces pour favoriser cesconnaissances. L’objectif de cet article est d’examiner la littérature de ce domaine,souligner les résultats principaux relatifs à l’enseignement de l’anglais langueseconde et l’anglais langue étrangère, et indiquer des pistes de recherches futures.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,253 | 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 découle