One Does Not Simply Teach Idioms: Meme Creation as Innovative Practice for Virtual EFL Learners
Notice bibliographique
Résumé
To maximize the advantages of virtual learning, the present study highlights the potential for Internet meme design and creation in English language learning (ELL) courses as an innovative activity that raises student agency, increases multimodal literacy, inculcates intercultural communication, and teaches idiomatic expression. Memes resonate a multimodal feedback loop of popular culture. In the context of language education, multimodal literacy is a necessity for 21st-century education because the affordances of digital learning platforms present the world told alongside the world shown. While some studies feature the usefulness of memes in English as a foreign language (EFL) learning, none have underscored meme creation as a learning activity. To demonstrate the activity in situ, a vignette at two Korean universities features two instructors who ask their respective students ( N = 49) to design one meme using an idiom discovered in their ELL materials from a prescribed list, then asks: 1) What common power relations and ideologies emerge in the multimodal discourse of the collected pool of student “idiomemes”? 2) What do the findings tell us about student attitudes and engagement with the activity? 3) What do the findings tell us about the importance of multimodal discourse in EFL learning? Using a multimodal critical discourse analysis of the student-created Internet memes, the findings reveal that students chose culturally familiar images to complete the assignment, suggesting that their engagement and understanding of multimodal, English discourse increases commensurately with content intuitive to their culture. The implications suggest that empowering students with a measure of agency in expressing culturally relevant, multimodal discourse in ELL course content increases their engagement in virtual classrooms. Designing idiomemes, as a virtual learning activity, is further explored as a curricular augmentation that increases the value of a student's language-learning investment.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».