The Roles of L1 and Lexical Aspect in the Acquisition of Tense-Aspect by Thai Learners of English
Notice bibliographique
Résumé
Investigating the L2 temporality, most previous studies within the Aspect Hypothesis framework focused on the basic meanings or prototypical uses of past morphology. The present study, however, including other less prototypical uses of past morphology, addresses 2 questions: (i) how the uses of simple past and past progressive morphology change as learners become more proficient in their target language; (ii) to what extent lexical aspectual class and L1 influence the uses of simple past and past progressive morphology. Using a cloze test as an elicitation task, this study analyzes data from 5 groups of Thai EFL learners at different proficiency levels. Results show that learners use past morphology more accurately as their L2 proficiency levels increase. The tense-aspect marking was, however, affected by lexical aspectual class. Learners first use simple past form on telic verbs, eventually extending its use to atelic verbs. The progressive form, on other hand, begins with atelic verbs and then extends to telic verbs. All learner groups, however, exhibit a higher rate of appropriate use of past morphology in the more prototypical uses than in the less prototypical uses. Additionally, L1 plays an important role in the tense-aspect marking. Learners at different proficiency levels, however, use different L1-influenced forms, suggesting that L1 influence is constrained by L2 development. Contributing to the body of research on L2 tense-aspect, this study shed light on the nature of difficulty learners experience in developing L2 tense-aspect system.
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 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 | 0,002 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».