Does Mode of Input Affect How Second Language Learners Create Form–Meaning Connections and Pronounce Second Language Words?
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.
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 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».