Detecting and Comparing the Incremental Changes of Three Aspects of Word Knowledge in Educational and Naturalistic Settings
Notice bibliographique
Résumé
Knowing words involves knowing multiple aspects of word knowledge (Nation, 2013).Most previous research focused on single aspects and measured the ultimate gains at single points of time.The uniqueness of this dissertation lies in detecting and comparing the productive incremental changes of three aspects of word knowledge (meaning, spelling, and word part) in Educational (e.g., school) and naturalistic settings (e.g., workplace) at different time intervals over a 24-month period.Using Nation's (2013) Word Knowledge Framework, two main studies and a follow-up study were conducted from January 2018 to January 2020.Drawing on Yin, ( 2014) a single case study design was used with multiple embedded units of analysis, across two main studies and a follow-up study.Five upper-intermediate Arabic-speaking learners participated in Study 1, and two advanced Arabic-speaking learners participated in Study 2. Three participants from Study 1 and both participants from Study 2 participated in the Follow-up Study.The same battery of penand-paper tests (i.e., spelling, multiple choice and fill-in-the-blanks) was used in both the two main studies and the follow-up, which were then analyzed statistically.Data drawn from semistructured interviews were analyzed using Saldaña's (2013) first cycle and top down coding method.Results countered those previously reported (e.g., González-Fernández & Schmitt, 2019; Schmitt, 1998).A developmental hierarchy was detected among the three measured aspects of word knowledge.They developed concurrently and in varying proportions.Basic meaning knowledge always enjoyed the highest gains, followed by spelling, word part, and polysemy knowledge.A relationship between the incremental changes of the three measured aspects and vocabulary size was also detected.iii Vocabulary learning strategies such as word lists, word parts, and orthographic repetition seemed to play a positive role in word knowledge development.Factors such as lack of adequate word exposure opportunities and learners' first language transfer were found to negatively affect word knowledge development.This study concludes that certain aspects require more attention and time than others.Learners need to be exposed several times to the target words and in different contexts.They also need to be taught and trained to use the different vocabulary learning strategies to enhance attainment.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».