Does Mode of Input Affect How Second Language Learners Create Form–Meaning Connections and Pronounce Second Language Words?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study examined how mode of input affects the learning of pronunciation and form–meaning connection of second language (L2) words. Seventy‐five Japanese learners of English were randomly assigned to 1 of 3 conditions (reading while listening, reading only, listening only), studied 40 low‐frequency words while viewing their corresponding pictures, and completed a picture‐naming test 3 times (before, immediately, and about 6 days after treatment). The elicited speech samples were assessed for form–meaning connection (spoken form recall) and pronunciation accuracy (accentedness, comprehensibility). Results showed that the reading‐while‐listening group recalled a significantly greater number of spoken word forms than did the listening‐only group. Learners in the reading‐while‐listening and listening‐only modes were judged to be less accented and more comprehensible compared to learners in the reading‐only mode. However, only learners receiving spoken input without orthographic support retained more target‐like (less accented) pronunciation compared to learners receiving only written input. Furthermore, sound–spelling consistency of words significantly moderated the degree to which different learning modes impacted pronunciation learning. Taken together, the findings suggest that simultaneous presentation of written and spoken forms is optimal for the development of form–meaning connection and comprehensibility of novel words but that provision of only spoken input may be beneficial for the attainment of target‐like accent.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,104 | 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 découle