Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userLexical Errors Made by In- Service English language Teachers in Jordan
الأخطاء المفرداتية التي يرتكبها معلمو اللغة الإنجليزية في الأردن
1229
0 15
0
(
0
)
Added by
Damascus University ورقة بحثية
Publication date
2007
fields
Education
and research's language is
العربية
Authors
عبد االله أبو نبعة( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
استهد فت الدراسة تحديد الأخطاء المفرداتية التي يرتكبها مدرسو اللغة الإنجليزية في الأردن. تكونت عينة الدراسة من خمسين مدرس للغة الإنجليزية مسجلين في برنـامج تطويري في الجامعة الهاشمية. و قد جمعت المعلومات من أوراق الاختبـار النهـائي للمسجلين في مساق لطرق تدريس اللغة الإنجليزية.
This study aims at identifying the types of lexical errors made by inservice English language teachers in Jordan. The sample of the study consists of 50 in-service English language teachers enrolled in the upgrading program at the Hashemite University. The data was gathered from the final exam papers of those enrolled in a course in methods of teaching English.
Artificial intelligence review:
Research summary
تهدف هذه الدراسة إلى تحديد أنواع الأخطاء المعجمية التي يرتكبها معلمو اللغة الإنجليزية العاملون في الأردن. تتكون عينة الدراسة من 50 معلمًا للغة الإنجليزية مسجلين في برنامج الترقية في جامعة الهاشمية. تم جمع البيانات من أوراق الامتحانات النهائية لأولئك المسجلين في دورة في طرق تدريس اللغة الإنجليزية. أظهرت النتائج وجود نوعين رئيسيين من الأخطاء: الأخطاء بين اللغوية والأخطاء داخل اللغوية. شكلت الأخطاء بين اللغوية 85٪ والأخطاء داخل اللغوية 15٪ من إجمالي عدد الأخطاء. تتخذ الأخطاء بين اللغوية شكل الترجمة، الافتراضات الخاطئة، التراكيب الخاطئة المدفوعة باللغة الأم، الارتباك بين المصطلحات الثنائية، والإفراط في استخدام بعض المصطلحات المعجمية. من ناحية أخرى، كانت الأخطاء داخل اللغوية ناتجة عن التشابه الصوتي والرسومي والتعميم المفرط. تسلط الدراسة الضوء على الآثار المترتبة على تعليم اللغة الإنجليزية في الأردن وتقدم توصيات لتحسين الوضع.
Critical review
دراسة نقدية: تقدم هذه الدراسة نظرة شاملة ومفصلة عن الأخطاء المعجمية التي يرتكبها معلمو اللغة الإنجليزية في الأردن، وهو موضوع مهم لم يتم تناوله بشكل كافٍ في الأدبيات السابقة. ومع ذلك، يمكن انتقاد الدراسة من حيث حجم العينة المحدود (50 معلمًا فقط) والذي قد لا يكون كافيًا لتعميم النتائج على جميع معلمي اللغة الإنجليزية في الأردن. بالإضافة إلى ذلك، تركز الدراسة بشكل كبير على الأخطاء بين اللغوية، بينما يمكن أن تكون هناك عوامل أخرى تساهم في هذه الأخطاء مثل البيئة التعليمية ونوعية التدريب الذي يتلقاه المعلمون. من المهم أيضًا أن تتناول الدراسة كيفية تحسين مهارات المعلمين بشكل عملي وفعال بدلاً من التركيز فقط على تحديد الأخطاء.
Questions related to the research
-
ما هي الأنواع الرئيسية للأخطاء المعجمية التي حددتها الدراسة؟
حددت الدراسة نوعين رئيسيين من الأخطاء المعجمية: الأخطاء بين اللغوية والأخطاء داخل اللغوية. شكلت الأخطاء بين اللغوية 85٪ والأخطاء داخل اللغوية 15٪ من إجمالي عدد الأخطاء.
-
ما هي الأسباب المحتملة للأخطاء بين اللغوية؟
تتخذ الأخطاء بين اللغوية شكل الترجمة، الافتراضات الخاطئة، التراكيب الخاطئة المدفوعة باللغة الأم، الارتباك بين المصطلحات الثنائية، والإفراط في استخدام بعض المصطلحات المعجمية.
-
ما هي التوصيات التي قدمتها الدراسة لتحسين تعليم اللغة الإنجليزية في الأردن؟
توصي الدراسة بضرورة تحسين مستوى معلمي اللغة الإنجليزية من خلال دورات تدريبية مكثفة، وإعادة النظر في معايير اختيار المعلمين، وتوفير برامج ترقية فعالة تركز على تطوير المهارات اللغوية والمعرفية للمعلمين.
-
ما هي الفجوات التي يمكن ملاحظتها في هذه الدراسة؟
من الفجوات التي يمكن ملاحظتها في الدراسة هي حجم العينة المحدود وعدم تناول العوامل البيئية والتعليمية الأخرى التي قد تساهم في الأخطاء المعجمية. كما أن الدراسة تركز بشكل كبير على تحديد الأخطاء دون تقديم حلول عملية لتحسين مهارات المعلمين.
References used
Abisamra, N.(2003). Error analysis: Arabic speakers' English writing. Retrieved June 18, 2003 from: http//abisamra03.tripod.com/nada/languageaca-erroranalysis.html
Al-Kufaishi, A.(1988) Vocabulary building program is a necessity not a luxury. Forum 24(2), 42-43
Arabski, J. (1979): Errors as indicators of the development of interlanguage. University Slaski Katowice
rate research
Read More
This study aims to shed light by giving a critical analysis of
errors made by Yemeni/Hodeidah. University students in the area of
English consonant clusters system. This causes a major problem for
university students’ interlingual and intralingual
strategies. The technique
used is an error analysis for a random sample of three levels at English
Dept. Faculty of Education, Hodeidah University focusing on data
collection and data analysis and arriving at recommendations and
conclusion of the study.
How difficult is it for English-as-a-second language (ESL) learners to read noisy English texts? Do ESL learners need lexical normalization to read noisy English texts? These questions may also affect community formation on social networking sites wh
ere differences can be attributed to ESL learners and native English speakers. However, few studies have addressed these questions. To this end, we built highly accurate readability assessors to evaluate the readability of texts for ESL learners. We then applied these assessors to noisy English texts to further assess the readability of the texts. The experimental results showed that although intermediate-level ESL learners can read most noisy English texts in the first place, lexical normalization significantly improves the readability of noisy English texts for ESL learners.
Recent research using pre-trained language models for multi-document summarization task lacks deep investigation of potential erroneous cases and their possible application on other languages. In this work, we apply a pre-trained language model (BART
) for multi-document summarization (MDS) task using both fine-tuning and without fine-tuning. We use two English datasets and one German dataset for this study. First, we reproduce the multi-document summaries for English language by following one of the recent studies. Next, we show the applicability of the model to German language by achieving state-of-the-art performance on German MDS. We perform an in-depth error analysis of the followed approach for both languages, which leads us to identifying most notable errors, from made-up facts and topic delimitation, and quantifying the amount of extractiveness.
Automatic personalized corrective feedback can help language learners from different backgrounds better acquire a new language. This paper introduces a learner English dataset in which learner errors are accompanied by information about possible erro
r sources. This dataset contains manually annotated error causes for learner writing errors. These causes tie learner mistakes to structures from their first languages, when the rules in English and in the first language diverge. This new dataset will enable second language acquisition researchers to computationally analyze a large quantity of learner errors that are related to language transfer from the learners' first language. The dataset can also be applied in personalizing grammatical error correction systems according to the learners' first language and in providing feedback that is informed by the cause of an error.
We introduce HateBERT, a re-trained BERT model for abusive language detection in English. The model was trained on RAL-E, a large-scale dataset of Reddit comments in English from communities banned for being offensive, abusive, or hateful that we hav
e curated and made available to the public. We present the results of a detailed comparison between a general pre-trained language model and the retrained version on three English datasets for offensive, abusive language and hate speech detection tasks. In all datasets, HateBERT outperforms the corresponding general BERT model. We also discuss a battery of experiments comparing the portability of the fine-tuned models across the datasets, suggesting that portability is affected by compatibility of the annotated phenomena.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
