L1-Induced Grammatical Errors Affecting Saudi Female EFL Students' Academic Writing: A Cross-Linguistic Study of Arabic Language Interference
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.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».