EFL Arab Learners’ Misselection of English Prepositions: Analysis of Interlingual Errors in Voice Messages at Chat Groups
Notice bibliographique
Résumé
This study examines interlingual prepositional errors that EFL Arab learners wrongly substitute (misuse) during their verbal interactions (on social media). It aims to investigate the most frequent prepositions that EFL Arabic learners misuse in their conversations. The focus was on selected prepositions: 'in', ‘from’, ‘to’, 'for', and ‘by’. The data was gathered by analysing audio recordings of participants' responses within a WhatsApp chat group. It showed that EFL Arab learners make incorrect substitutions with any collection of prepositions (typically two or three) that correspond to one equivalent preposition in their mother tongue. The participants frequently substitute prepositions ‘in, on, and at' as equivalents for Arabic preposition ‘fi’, ‘for’ and ‘to’ as equivalents for Arabic preposition ‘ila’, and ‘from and of' as equivalents for Arabic preposition 'min’. Therefore, the participants incorrectly employ 'in' instead of 'on and at', 'for' instead of 'to' and vice versa, and 'from' instead of 'of and since'. The collections of English prepositions that have only one Arabic counterpart are a cause of confusion, as evidenced by the incorrect substitutions that EFL Arab learners made. Based on findings, the area of the prepositions of multi-uses and semantically complex requires contextualized teaching strategies that contrastively present prepositions in bundles or phrases.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».