Investigating Strategies for Enhancing Appropriate Nominalisation by Selected Grade 7 English First Additional Language Learners: Morphological Perspective
Notice bibliographique
Résumé
Nominalisation is an indispensable process in written and verbal communication. However, nominalising words is a daunting exercise for learners with limited exposure to English. This study investigated strategies for enhancing appropriate nominalisation by selected Grade 7 English First Additional Language (EFAL) learners. This topic has been chosen because the nominalisation process challenges these learners. The paper was underpinned by Halliday’s (1985) grammatical metaphor and Jackendoff’s parallel architecture theories relevant to the study. The objectives were to identify, describe and evaluate suitable strategies for dealing with the nominalisation process by selected Grade 7 EFAL learners at primary schools. This study employed a quantitative research approach coupled with a descriptive research design. Using a simple random sampling technique, 47 learners participated in this study. Data were collected using structured questionnaires. A pilot study was conducted on 10 learners, not from the target group. The Statistical Package for Social Sciences version 29 was employed to analyse the findings due to its new achievements towards data interpretation. The preliminary results showed that some learners could not nominalise English words appropriately. However, the main findings revealed that learners performed preternaturally after utilising ‘written and spoken instruction’, ‘vocabulary learning’, ‘comprehensible input’ and ‘language output’ strategies. The study implies that the identified strategies are indispensable during nominalisation. Future researchers can conduct further studies on the current topic. This study recommends frequently using the identified strategies to enhance appropriate nominalisation by selected Grade 7 EFAL learners.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».