L1-Induced Grammatical Errors Affecting Saudi Female EFL Students' Academic Writing: A Cross-Linguistic Study of Arabic Language Interference
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 influence of native language on second language learning has long been a hot topic in the fields of psychology and linguistics. Grammatical errors in EFL students' academic writing, specifically influenced by their mother tongue, are not a new phenomenon but rather an enduring one. This research examined the grammatical errors in Saudi EFL students' writing and evaluated whether these errors are daunting for learners due to L1 influence. Furthermore, it aimed to identify the underlying reasons for these errors and propose strategies for addressing this pinpointed issue. A mixed-methods approach was utilised in this study. An error analysis was conducted on thirty-two student essays, supplemented by a contrastive analysis to examine the distinctions between Arabic and English and to identify potential sources of interlanguage errors. A set of semi-structured interviews was conducted with six advanced female students to explore the extent to which L1 transfer influenced the errors predicted by the contrastive analysis. Results demonstrated that interlingual errors accounted for a higher percentage at 58.09% compared to intralingual errors at 41.91%, underscoring the significant impact of the mother tongue on L2 learning and writing. Interview analysis unveiled a noteworthy finding: the learners' mother tongue continues to have a pivotal impact on grammatical errors; L1-influenced grammatical errors could be attributed, at least in part, to a deficiency in Contrastive Linguistics (CL)-informed instruction.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle