MétaCan
Menu
Retour à la cohorte
Enregistrement W3011913683 · doi:10.5539/ijel.v10n3p59

Idiomaticity as a Language Learning Barrier: The EFL Context of Saudi Arabia

2020· article· en· W3011913683 sur OpenAlexvenueno aff
Abdalla Elkheir Elgobshawi

Notice bibliographique

RevueInternational Journal of English Linguistics · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesDeanship of Scientific Research, Prince Sattam bin Abdulaziz UniversityPrince Sattam bin Abdulaziz University
Mots-clésSyllabusContext (archaeology)PsychologyRelevance (law)CurriculumPerspective (graphical)Language acquisitionMathematics educationEnglish languageLinguisticsPedagogyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to investigate the impact of Idiomaticity on language learning and the extent to which it can be a language learning barrier. It contrasts the perspective of language teachers and the attitude of language learners regarding how idioms can influence language learning. The theoretical framework provides a description of the general properties of English idiomatic expressions and shows the relevance of idiomaticity to linguistic theory. The paper is based on an analytical analysis and follows a quantitative approach in which two questionnaires are used to collect the data. The two questionnaires are administered to two independent samples: 20 participants representing ELT teachers at the tertiary level and 80 subjects representing Saudi EFL college students. The data are then analyzed using SPSS (Statistical Package for the Social Sciences). The study reveals learners’ reasonable consensus on the issues assessed. They generally acknowledge the significance of idioms for language learning but with a general dissatisfaction with their status in learning and teaching contexts. Both teachers and learners view idioms as odd pieces of language that lack a uniform character and do not receive due attention in language syllabi and curricula. Teachers give different ratings on the pedagogical value of idioms, but they generally show low interest in teaching them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,318
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSecond Language Acquisition and LearningTravaux en français237 207