Issues and prospects of teaching Russian vocabulary in the first quarter of the 21st century
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
The article examines the current issues of teaching lexicology in Russian language lessons in modern schools and identifies development prospects for the methodology of lexicology in the 21st century. The article aims to summarise the achievements of methodology since the introduction of the "Vocabulary and Phraseology" section into school curricula in the 20th century, which is associated with the scientific and pedagogical activities of Professor M. T. Baranov. Another goal is to show how to implement his ideas in the paradigm of modern education. The paper focuses on the importance of developing logical and figurative thinking when studying lexicology. With this end in view, the comprehensive school curriculum is analysed. In it, the "Lexicology" section is present only in years 5 and 6. Moreover, the study draws attention to the content deficiencies associated with underestimating the available significant scientific and practical experience of teaching word meaning interpretation, as well as the problem of enriching the modern youth’s lexicon with vocabulary related to values. The assignments on lexicology proposed for completion are designed according to the methodological principle of graduality. The tasks are based on the axiological and cognitive-pragmatic approaches within the framework of teaching functional semantics. The study employed the descriptive method for historical and logical analysis of M. T. Baranov’s works and the modelling method when constructing a system of graded exercises. A future research line is developing a functional vocabulary teaching model for secondary general education schools.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle