The Correlation of Field Cognitive Style and Working Memory Capacity with English Reading Strategy of Second Language Learners
Notice bibliographique
Résumé
Understanding written text is crucial in language acquisition, and the cognitive style and working memory capacity of an individual play crucial roles in determining their level of reading comprehension. Individual differences may result in different reading strategies being employed during the reading process. Research has demonstrated that cognitive style and working memory capacity can impact language learning outcomes like vocabulary acquisition, grammar comprehension, and speaking fluency. However, there is a lack of research on how these cognitive factors relate to the reading strategies utilized by English as a second Language learners. The purpose of this study is to explore the relationship between Field-Independent and Field-Dependent (FI/FD) cognitive styles and working memory capacity in relation to the utilization of English reading strategies among freshmen engineering majors at BIPT. Data is gathered utilizing the theoretical model of FI/FD cognitive styles, working memory capacity and English reading strategies. The collected data includes results from the Cognitive Style Figure Test (CSFT), Reading Span Test, and a questionnaire on English reading strategies, which are then analyzed using SPSS 22.0. The findings from the thorough analysis show that there exists a notable relationship between working memory capacity and the utilization of reading strategies in relation to FI/FD cognitive styles. Students exhibiting an FI cognitive style tend to favor the implementation of cognitive and metacognitive strategies, whereas those with an FD style are inclined towards employing social/affective strategies. Additionally, disparities in the use of reading strategies are observed between students with high and low working memory capacity. Students with high working memory capacity demonstrate a higher tendency to employ cognitive strategies, metacognitive strategies, and social/emotional strategies when compared to those with low memory capacity.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
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 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 ».