Exploring an Effective Vocabulary Learning Technique for Tibetan English Language Learners in Tibet Autonomous Region: A Case Study Conducted in Qinghai Province, China
Notice bibliographique
Résumé
English Language in China is learned as a compulsory school subject and a testing course in the College Entrance Examination (Gaokao/CEE). English language education in Tibet Autonomous Region (TAR) in Qinghai Province, China, is not an exception. Therefore, effective English language learning techniques are in great demand by Tibetan English Language Learners (TELLs) in TAR. Even though lots of research on English language learning and teaching has been conducted in China, very few studies have focused on English education in TAR which is a specific educational context. In particular, little research has been done to examine the specific learning techniques on a single English language component in such a multilingual context. That being the case, research on teaching approaches and learning methods for Tibetan students is crucial. Briefly introducing the English language learning situation in Hainan Tibet Autonomous Prefecture (HTAP), this paper aimed to discover an effective vocabulary learning technique for Tibetan students with the help of 80 participants from an ethnic Tibetan high school. The questionnaire results showed that Tibetan students favored rote memorization and contextual-based vocabulary techniques. The comparison of the pre-test and post-test results demonstrated that contextualizing technique effectively enriched students' lexical resources more than the rote-amortization technique. From what was discovered, relevant pedagogical implications are suggested for both TELLs and L2 teachers.
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 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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».