Reversed Subtitling and Extensive Reading: The Case of English-Subtitled Mandarin Dramas
Notice bibliographique
Résumé
The binge-watching phenomenon on college campuses in Taiwan inspired this study. The researcher often overhears her students chatting about which Mandarin TV series they have been binge-watching recently. Given this drama fever, which may provide an impetus for sustained reading of on-screen text, the researcher is concerned with English vocabulary growth if the viewing habit shifts from Mandarin to English subtitles. A corpus of over 5.6 million English-subtitled words from 37 Mandarin dramas was compiled, totaling 1,238 episodes. The operational measures involved the ranked twenty-five 1000-word-family lists along the British National Corpus and the Corpus of Contemporary American English word-frequency scale. Results show that Mandarin drama English subtitles reached the 2000–3000 word-family levels at 95% text coverage and extended to the 4000–5000 levels at 98% coverage subject to genres. EFL Mandarin drama fans may encounter most words from each of the 1st to 6th 1000-word-family lists twelve times or more for potential learning by continually watching up to 24 English-subtitled Mandarin dramas. Moreover, twenty participants expressed their views on watching English-subtitled Mandarin dramas to a certain level of agreement. For extensive reading practitioners, the results may be a reference concerning what vocabulary level EFL learners may attain if they binge-watch English-subtitled Mandarin dramas in their leisure time.
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 | 0,011 |
| 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 | 0,004 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».