The Effect of Humor-Integrated Pictures Using Quizlet on Vocabulary Learning of EFL Learners
Notice bibliographique
Résumé
The recent improvements in technology and their integration in language learning have played a facilitating role invocabulary acquisition. Quizlet, an online teacher-/student-friendly tool, is one of the leading applications invocabulary acquisition. Along with the effectiveness of visualization in acquiring vocabulary, humor has been alsoextensively indicated to carry a significant role in language learning. With all its facilitating features, the integrationof technology, humor, and vocabulary can be achieved via Quizlet. In this study, the visual integration of humoraccompanying vocabulary on Quizlet was taken into scrutiny to see to what extent humor-integrated pictures onQuizlet account for the retention of vocabulary acquisition. With this purpose, this study examined the effect ofhumor-integrated pictures on vocabulary acquisition of 45 intermediate English as a foreign language (EFL) learnerson Quizlet. In so doing, the experimental group received a series of unknown vocabulary items for which theintegrated pictures were humorous, while the vocabulary items assigned for the control group were identical, but innon-humorous contexts. At the end, an independent samples t-test applied on the scores achieved from a posttestindicated a significant difference in scores of the control group and that of the experimental group. In fact, thelearners in the experimental group significantly outperformed their counterparts in the control group. The resultsindicated that linking vocabulary items with humorous pictures is more effective than using non-humorous context inlearning vocabulary. Apparently, as the results indicate, the significant effectiveness of technology in vocabularylearning can be boosted with the help of humorous context. The findings shed light on the importance of technologyin language learning and its linking with humor in vocabulary learning.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».