Comparing the effectiveness of verb-focused and particle-focused exercise formats on the recall and recognition of phrasal verbs
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
Phrasal verbs are important for successful communication and yet are incredibly challenging for language learners. The current study compared two exercise formats for the learning of phrasal verbs. One format draws attention to the verb, while the other brings into focus the particle. In the verb-focused format, students were asked to guess the missing verb before receiving feedback. In the particle-focused format, they were told to guess the missing particle before feedback was presented. The results of a cued-recall test showed that the recall of phrasal verbs was enhanced more effectively in the particle-focused format than in the verb-focused format, although this advantage diminished after one week. A multiple-choice test revealed no significant difference between the two methods in terms of their impact on the recognition of phrasal verbs. The current study also aimed to test the prediction of the episodic recollection hypothesis, which specifies that memory of the initial guess plays a critical role in the subsequent recall of the correct answer. It was also found that asking students to recall their initial guess moderated their performance in the posttest. Overall, the findings of the current study suggest that the particle-focused format boosts the memory of phrasal verbs and that to minimize the adverse effects of proactive interference, it is vital for students to remember their errors. This means that teachers would be advised to focus on exercises that provide the verb and encourage guessing of the particle.
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 | 0,007 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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