Grammatical Errors Found in English Writing: A Study from Al-Hussein Bin Talal University
Notice bibliographique
Résumé
This study investigated the frequent grammatical errors, found in the writings of Arab students’ taking English writing courses in AL-Hussein Bin Talal University Learners’ errors were considered positively as the best sources to identify students’ limitations in English writing. Therefore the present study intended to investigate the grammatical errors of Arab students’ writings in English in AL-Hussein Bin Talal University and to see if there are any differences in the grammatical errors according to year of study. To conduct this study data was collected from the writing sessions of writing classes that were taught during the fall semester of 2019. The data was collected, analyzed and categorized from students, all majoring in English Language and Literature and ranging from freshman to seniors. A Grammar test Questionnaire designed by the researchers was distributed to the students in these writing sessions. The results showed that the most frequent grammatical error was with the verb tense on a mean of (3.75), followed by errors in the article on a mean of (3.62), wrong word order on a mean of (3.57), noun ending on a mean of (3.40) and least was sentence structure on a mean of(3.39). The results also showed that the seniors on the grammar test on all its parts did better than the freshmen, juniors and sophomores that are the least problems were found among the seniors.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».