Investigating the Efficiency of the Rotation Model in Improving First-Year Undergraduate ESL Learners’ Writing: A Quasi-Experimental Study
Notice bibliographique
Résumé
The present study uses a quasi-experimental design to assess the effectiveness of the Rotation Model (RM) on English as a Second Language (ESL) learners’ writing errors among undergraduate students. Few studies have focused on ESL learners' writing errors in inflectional suffixation. To address this gap, the current study investigates the effect of the Rotation Model on ESL learners' writing errors in inflectional suffixation within the Cognitive Load Theory (CLT) framework. The study has collected data from 132 participants. They were divided into two groups. The first group serves as the experimental group (N=66). The experimental group undergoes an intervention through the Rotation Model to improve English writing. The second group is the Control group (N=66). The control received instruction through the grammar-translation method.) Data were collected using pretests and posttests from both groups on two different pictures. The data were analyzed using paired t-tests on SPSS. The analysis revealed that the ESL learners in the experimental group improved their writing by minimizing errors related to inflectional suffixation more than the control group. These findings suggest that the Rotation Model effectively enhances the accuracy of ESL learners' use of inflectional suffixes. The implications of these results underscore the potential of RM as a superior instructional approach over traditional methods in ESL contexts, particularly for complex grammatical structures such as inflectional suffixation.
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 | 0,001 |
| 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) | 0,000 | 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 ».