Exploring the roles of L1 reading, L2 proficiency, strategy use and anxiety in L2 Reading comprehension
Notice bibliographique
Résumé
Background Second language (L2) reading is a complex process in which two languages constantly interact. L1 reading and L2 proficiency are two well‐acknowledged factors contributing to L2 reading comprehension. Other factors, such as strategy use and anxiety, might also predict L2 reading comprehension, but their roles have not been examined in the presence of L1 reading and L2 proficiency. Method Participants were 147 high school Chinese English as a foreign language (EFL) learners (mean age = 17.8, SD = 0.48). They were assessed on their L2 reading comprehension, L1 reading comprehension, L2 proficiency (L2 vocabulary and L2 syntactic knowledge), strategy use and reading anxiety. Results Hierarchical regression model analyses showed that L1 reading significantly contributed to L2 reading comprehension in the presence of L2 proficiency. Strategy use and anxiety were significant predictors of L2 reading comprehension in the presence of L1 reading and L2 proficiency. Together, they accounted for 53% of the variance in L2 reading comprehension. L2 proficiency moderated the relations between L1 and L2 reading comprehension and strategy use and L2 reading comprehension but not the relation between anxiety and L2 reading comprehension. Conclusions Besides the well‐acknowledged L1 reading and L2 proficiency, strategy use and anxiety were also significant predictors of L2 reading comprehension, stressing the importance of these cognitive and affective factors in L2 reading. By revealing the moderating role of L2 proficiency, these findings deepen our understanding of the nature of the relations between L1 and L2 reading comprehension, strategy use and L2 reading comprehension.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».