Effects of internal and external attentional manipulations and working memory on second language vocabulary learning
Notice bibliographique
Résumé
In light of mixed findings in existing input enhancement research, Issa and Morgan-Short in a 2019 article urged researchers to compare the relative effects of input enhancement that taps into learners’ attention to the external format of second language (L2) target forms (e.g. through capitalizing or boldfacing the forms) and input enhancement that taps into learners’ attention to the internal attributes of L2 target forms (e.g. via increasing the frequency of the forms). In response to this call, the study described in this article drew on a pretest-treatment–posttest-experimental-design to explore whether working memory (WM) capacity modulates the extent to which L2 learners benefit from input enhancement engaged by internal and external attentional manipulations for partially-acquired L2 vocabulary. Analyses of these learners’ lexical gains under different experimental conditions showed that although compound input enhancement engaged by internal attentional manipulations did indeed lead to better lexical gains, such manipulations did not unequivocally lead to greater gains than the external manipulations in all cases. Furthermore, simple input enhancement engaged by internal attentional manipulations (i.e. varying the contextual supports for the target words) could be as effective as compound input enhancement. Importantly, we found that the aforementioned pedagogical effects of internal and external manipulations were both modulated by differences in WM capacity, albeit to differing extents. Insights from this study provide important pedagogical implications for differentiated input enhancement theory and practice.
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 | 0,004 |
| 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 | 0,000 | 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 ».