Learning new verbs with known cue words: The relative effects of noun and adverb cues
Notice bibliographique
Résumé
Research has shown that learning a known-and-unknown word combination leads to greater learning than learning an unknown word alone (Kasahara, 2010, 2011). These studies found that attaching a known adjective to an unknown noun can help learners remember the unknown noun. Kasahara (2015) found that a known verb can serve as an effective cue to remember an unknown noun in a known-and-unknown combination. To examine useful cues to learn unknown verbs, this study compared verb (unknown) + noun (known) combinations to verb (unknown) + adverb (known) combinations. Additionally, we explored how learners’ vocabulary size would affect the known-and-unknown two-word combination learning to deepen our understanding of the characteristics of students who benefit from combination learning. The participants in each group learned 18 two-word combinations consisting of the same unknown target verbs and different known cues (nouns or adverbs). The participants were provided with a five-minute learning phase and two immediate recall tests: a Single Word Test, to write down the L1 meanings of the targets, and a Combination Test, to write down the L1 meanings of the combinations. The same two tests were administered one week later. The results showed that known nouns were better cues for learning unknown verbs than known adverbs. It was also found that participants with a larger vocabulary size benefited more from two-word combination 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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».