Investigating the Employment of Metacognitive Strategies in Listening Comprehension among Non-Iranian Language Learners
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 184
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ELT-13-28_014
تاریخ نمایه سازی: 10 دی 1401
چکیده مقاله:
Applying metacognitive strategies leads to better listening comprehension and optimal use of learners’ other cognitive skills. The purpose of the present study is to investigate the metacognitive strategies that non-Iranian Persian learners employ to comprehend oral texts and whether gender and mother tongue have any effect on it. This research is a field study in which after calculating the item reliability of the questionnaire, data were collected quantitatively through Metacognitive Awareness Listening Questionnaire (MALQ) developed by Vandergrift, Mareschal, and Tafaghodtari (۲۰۰۶). One hundred nineteen adult Persian learners from eight countries participated in this study. Data analysis indicated that non-Iranian Persian learners use problem-solving, direct attention, planning-evaluation, personal knowledge, and mental translation strategies respectively. Furthermore, the findings showed that male Persian learners employ metacognitive strategies more than female learners, even though this difference was not very significant, and that mother tongue has no effect on the use of these strategies. Research findings will help Persian language teachers to take into consideration each group of learners’ preferences and extent of their use, as well as variables such as gender and nationality.
کلیدواژه ها:
نویسندگان
امیررضا وکیلی فرد
Department of Persian Language Teaching, Imam Khomeini International University, Qazvin, Iran.
احمد عابدینی
Department of Persian Language Teaching, Imam Khomeini International University, Qazvin, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :