Absence of English Phonemes from Arabic; The Impact on EFL and ESL learners’ Production of Loanwords
Notice bibliographique
Résumé
The present study aims to address whether the absence of foreign English phonemes from the Arabic phonemic inventory have impacts of EFL and ESL learners’ pronunciation of English loanwords differently. The study adopts a comparative approach, seeking to examine whether the two groups of learners used the same or different phonemes for substituting or approximating the target phonemes. 28 English loanwords were utilized to test the productions of 15 learners at Salman Bin Abdul-Aziz University, Saudi Arabia (EFL) and 15 learners at the Center for English as a Second Language in Southern Illinois University, USA (ESL). Probing the impact of the learners’ L1, Arabic language, on the production of loanwords via numerous theories and frameworks such as transfer, approximation, and the Markedness Differential Hypothesis showed that these English loanwords underwent certain phonological modifications. Both EFL and ESL learners showed transfer from L1 to L2, native Arabic phonological processes, while only ESL learners showed a universal pattern, such as VOT approximation. That is, both EFL and ESL learners substituted /v, ɹ, tʃ/ with /f, r, ʃ/, but they differed in their production of /p/. While EFL learners substituted /p/ with /b/, ESL learners reflected approximated sound to /p/.
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 | 0,000 | 0,003 |
| 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 | 0,001 |
| 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) | 0,003 | 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 ».