A Comparative Study on the Lexical Collocations in Academic Discourse by International Scholars and Chinese EFL Learners
Notice bibliographique
Résumé
Lexical collocations are essential in academic English and present considerable challenges for L2 learners. This study compiled three text corpora: one from academic written texts published in top international linguistics journals, and the others from MA theses and doctoral dissertations of Chinese college students majoring in Foreign Linguistics and Applied Linguistics. An Academic Collocation List (ACL) was initially created from the journal articles and then the collocation lists of the top 200 verbs were compared across the three corpora. The study identified potential collocates for over 2,400 content words in the ICAE (International Corpus of Academic English) journal articles, resulting in 375 potential combinations. Among these, noun combinations (adj+n, n+n) accounted for nearly 70% of the total entries, followed by verb+noun/adj combinations, adv+adj combinations, and verb+adv combinations. Statistical analysis revealed significant differences between Chinese EFL learners and international scholars, with a larger discrepancy observed between MA theses and journal articles than between doctoral dissertations and journal articles. Chinese EFL learners tended to overuse a limited set of collocations that, while grammatically correct, often sounded unnatural to native speakers. Additionally, the verb+noun combinations used by Chinese EFL learners were frequently physically and semantically different from those employed by international scholars. These findings underscore the need for targeted pedagogical interventions to improve the collocational competence of Chinese EFL learners.
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 | 0,014 |
| 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 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 ».