Formulaic Language Use by Learners of English in Interlanguage Communication
Notice bibliographique
Résumé
This study investigated the use of formulaic language, in the form of four-word lexical bundles, by Thai learners of English as a second language (ESL) at various levels of English proficiency during interlanguage communication. The investigation focused on two aspects: the frequencies and pragmatic functions of the four-word lexical bundles. A total of 120 Thai ESL learners participated in the study, ranging from basic to intermediate and advanced English proficiency levels. In terms of frequency, a list of the most frequently used four-word lexical bundles by Thai ESL learners at each level was examined. Results showed that learners at higher English levels used less formulaic language in interactions than those at lower levels. Two similar four-word lexical bundles, centered on "I don't know" and "I think," were used by Thai ESL learners at all three English levels. The functional analysis demonstrated that Thai ESL learners at all three English levels used formulaic language to assert group identity as a device for social interaction and as a device for memory limitations to buy more time and process shortcuts. The function of asserting a separate identity was not used by intermediate-level Thai ESL learners. Furthermore, the function of processing shortcuts was used less at the advanced level than at the basic level. The findings of this study indicate that Thai ESL learners use formulaic language differently at different English proficiency levels. Therefore, formulaic language used by ESL learners in spoken English discourse should be further investigated.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».