A synthesis of research on L2 vocabulary learning through audiovisual input and on-screen text
Notice bibliographique
Résumé
Given the cognitive and pedagogical affordances of audiovisual materials and ongoing technological advancements, there is an increasing need to explore how they can be optimized for effective second language (L2) learning (Montero Perez, 2022). The multimodal nature of audiovisual input, particularly when enhanced with on-screen text, offers significant potential for developing multifaceted vocabulary knowledge. This narrative review synthesizes key theoretical frameworks, including Mayer’s Cognitive Theory of Multimedia Learning (Mayer, 2021), Krashen’s Input Hypothesis (Krashen, 1982), Vygotsky’s Zone of Proximal Development (ZPD) (Vygotsky, 1978), and Bjork’s Desirable Difficulties (Bjork, 1994), alongside recent empirical findings. We examine the pedagogical potential of various types of on-screen text (e.g., L1 captions, L2 captions, and bilingual subtitles), identify gaps in the existing literature, discuss methodological challenges and highlight promising directions for future research. By doing so, this review seeks to deepen our understanding of how audiovisual input enhanced with on-screen text can support the development of complex L2 vocabulary knowledge in an increasingly digital learning landscape.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».