The Effect of the Positive and the Negative Evidences in Learning English ‘to’ with Manner-of-Motion to Goal Constructions by L1 Saudi Arabic Speakers
Notice bibliographique
Résumé
The present study investigates the effect of the first language (L1) on learners by using the negative and the positive evidence in the classrooms while teaching English directional prepositions such as ‘to’ and ‘into’. It is assumed that Arabic has two versions of ‘to’. It has the directional interpretation without boundary-crossing which is equivalent to the English ‘to’; whereas, it also denotes a similar interpretation to English directional preposition ‘into’ which is unavailable in Arabic and involves boundary-crossing. The study considers two groups to examine the effect of the overlaps, who are at an intermediate stage of development; the experiment group (E.G.) and the control group (C.G.). The control group is the base to measure the effectiveness of the treatments on the experiment groups’ judgments. Hence, an Acceptability Judgment Task is devised to elicit participants’ judgments on the task items in the pretest and the posttest. Results show clear advantage of the negative evidence in the experiment group’s performance in the posttest in learning ‘to’ with and without boundary-crossing. There is a difference in the experiment group’s performance in the posttest in learning ‘into’ with the boundary-crossing event after receiving the positive evidence. Similarly, a difference was observed in the experiment group’s judgment with those of the control group in the comparison between ‘to’ and ‘into’ with the boundary-crossing event in the posttest.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».