Linguistic Diversity in Oman: Analyzing the Influence of Gender and Local Omani Languages on Arabic Writing Proficiency Among Omani Students
Notice bibliographique
Résumé
The Sultanate of Oman presents a unique case, given its rich linguistic community, primarily composed of several local languages distinct from Arabic, which people acquire first. However, limited studies have explored the effect of local Omani languages and gender on linguistic errors in writing in Arabic as a second language by Omani undergraduate students at one of the public universities in the Sultanate of Oman. Therefore, this study aims to analyze linguistic errors in writing in Arabic as a second language by Omani undergraduates. A qualitative research design was employed in analyzing the writings of 20 students: 10 male and 10 female students. Two taxonomies were utilized to comprehensively describe all grammatical errors and their types. The findings revealed gender similarities in terms of committing most of the errors in the three top categories: spelling, linguistic structures, and syntax. However, the variations in error types highlight gender differences in linguistic errors, with male students primarily making addition errors, whereas female students primarily make deletion errors. Furthermore, it was found that writing in Arabic as a second language can be influenced by certain local Omani languages. In other words, students whose L1 is similar to Arabic made fewer mistakes compared to those whose L1 differs from Arabic, thus implying the positive transfer of L1. These results suggest the significance of gender and local languages in acquiring and learning a second language, which could be employed pedagogically in varied contexts.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».