A Survey Study of the Dictionary Use Sub-strategies of English Majors in Saudi Arabia: Dictionary Related Aspects
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
This study explored the sub-strategies Saudi English majors use most when consulting the dictionary. In particular, it looked at the aspects of the dictionary use strategy relevant to the dictionary itself rather than the lookup words (mainly purposes for consulting the dictionary, means of dictionary ownership and type of dictionary consulted). The participants were 90 English major students enrolled in an English undergraduate program at the Department of European Languages at King Abdulaziz University, Saudi Arabia. A survey questionnaire adapted from the literature was used to collect data for the study. The results showed that the learners’ strategic preferences were largely affected by the features they liked (e.g. free dictionaries, the ease of use and search as well as portability of tech-based digital dictionaries) or disliked (e.g. the difficulty of search and use in paper dictionaries as well as their heavy weight and high thickness) most about dictionaries. Thus, they preferred to either download dictionary apps to their phones from application stores or go online whenever they needed to consult a dictionary for a word. Moreover, in terms of dictionary types, learners favored the bilingual English-Arabic dictionary (language-wise), dictionary apps and online dictionaries (medium-wise) and the ordinary dictionary (content-wise). Also, they consulted the dictionary no more than five times a day and tended to look up more words when consulting tech-based (digital) dictionaries than when using paper dictionaries. Finally, they used their dictionaries mainly to understand new words while reading.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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