Effects of L1 Use on L2 Text Quality: Rethinking Cognitive Process of Formulating L1 Texts during L2 Writing
Notice bibliographique
Résumé
The first language (L1) use is vital to developing the quality of second-language (L2) writings. Establishing a clear argument with the logical flow in L2 can be a daunting task for learners with low L2 proficiency. To determine if L1 use is positively related to students’ L2 texts, the researcher conducted a comparative study with 77 Japanese L2 learners. It examines differences amongst L2 argumentative essays resulting from four writing processes. The participants were divided into two focused groups, the experimental group formulating L1 texts and then translating into L2, and the contrast group composing texts directly in L2. Then, each group was divided into two sub-groups: One composing their texts using a writing framework, and the other with no framework. Over three L2 classes, each group experienced the writing process respectively. They submitted the essays before and after the processes. Two experienced L2 instructors assessed students’ pre- and post-texts, and compared the texts of each group cross-sectionally and longitudinally. The results show that participants in the experimental group with the framework significantly improved their L2 text quality. Thus, the teaching of argumentative writing should incorporate the process of L1 formulation with a framework into a process-focused approach to efficiently facilitate students’ L2 writing.
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 | 0,003 | 0,038 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».