Yükseköğretimde EFL Öğrencileri Arasında Okuduğunu Anlama Zorluklarının Analizi

1. Giriş

Bu çalışma, Malezya'daki yükseköğretim kurumlarında öğrenim gören Arap EFL (Yabancı Dil Olarak İngilizce) öğrencilerinin karşılaştığı okuduğunu anlama zorluklarını araştırmaktadır. İngilizce metinleri okuma yetersizliği, öğrencilerin akademik performansını ve gelecekteki kariyer beklentilerini etkileyen önemli bir sorun olarak tanımlanmaktadır.

2. Metodoloji

3. Sonuçlar & Bulgular

4. Tartışma

5. Çözümler & Öneriler

Çalışma, okuduğunu anlama zorluklarının ele alınmasının birden fazla paydaşın işbirliği gerektirdiği sonucuna varmaktadır:

• İngilizce Öğretmenleri: Hedeflenmiş okuma stratejileri ve kelime geliştirme alıştırmaları uygulayın
• Öğretim Politikası Yapıcıları: Metin yapısı tanımaya odaklanan kapsamlı okuma müfredatları geliştirin
• Eğitim Kurumları: Etkili okuma öğretimi için kaynak ve eğitim sağlayın
• EFL Öğrencileri: Kapsamlı okuma pratikleri ve kelime geliştirme aktivitelerine katılın

6. Teknik Analiz & Çerçeve

6.1 Teknik Detaylar & Matematiksel Çerçeve

Anlama süreci, basitleştirilmiş bir bilişsel yük teorisi çerçevesi kullanılarak modellenebilir. L2 okuma sırasındaki toplam bilişsel yük $C_{total}$ şu şekilde ifade edilebilir:

$C_{total} = C_{intrinsic} + C_{extraneous} + C_{germane}$

Burada:

• $C_{intrinsic}$ = Metne özgü karmaşıklık (kelime bilgisi, sözdizimi)
• $C_{extraneous}$ = Kötü öğretim tasarımı veya sunumdan kaynaklanan yük
• $C_{germane}$ = Şema oluşturmaya ve otomasyona ayrılan yük

EFL öğrencileri için, metin türü tanıma başarısızlığı $C_{extraneous}$'ı önemli ölçüde artırır, çünkü uygun şemaları uygulayamazlar ve bu da çalışma belleğini metni anlam düzeyinde değil, yüzeysel düzeyde işlemeye zorlar.

6.2 Deneysel Sonuçlar & Grafik Açıklaması

Çalışmanın çapraz tablolaması, metin türü tanıma yeteneği ile genel anlama puanları arasında güçlü bir pozitif korelasyon (r = 0.78) ortaya koymuştur. Bu ilişki, aşağıdaki gibi bir dağılım grafiği olarak görselleştirilebilir:

• X-ekseni: Metin Türü Tanıma Puanı (0-100)
• Y-ekseni: Genel Anlama Puanı (0-100)
• Veri Noktaları: Net bir yukarı yönlü eğilim gösteren 100 katılımcı puanı
• Regresyon Çizgisi: Güçlü tahmin edici ilişkiyi gösteren pozitif eğim

Grafik, metin türü tanımada 60'ın altında puan alan katılımcıların anlamada tutarlı olarak 70'in altında puan aldığını, tanımada 80'in üzerinde puan alanların ise anlamada 85'in üzerinde puan aldığını gösterecektir.

6.3 Analiz Çerçevesi Örneği

7. Gelecek Uygulamalar & Araştırma Yönleri

Bu çalışmanın bulguları, gelecekteki araştırma ve uygulama için birkaç yol açmaktadır:

7.1 Teknolojik Entegrasyon

Aşağıdakileri yapabilen yapay zeka destekli okuma asistanlarının geliştirilmesi:

• Metin türlerini otomatik olarak tanımlayıp türe özgü okuma stratejileri sağlayabilen
• Bağlamsal açıklamalarla gerçek zamanlı kelime desteği sunabilen
• Tespit edilen zayıflıklara dayalı kişiselleştirilmiş okuduğunu anlama alıştırmaları oluşturabilen
• Öğrencilerin anlama kalıplarını analiz etmek için doğal dil işleme kullanan

7.2 Diller Arası Araştırma

Gelecekteki çalışmalar şunları araştırmalıdır:

• Arapça ve İngilizce akademik metinler arasındaki söylem yapılarının karşılaştırmalı analizi
• L2 okuma sırasında beyin aktivasyon kalıplarını incelemek için fMRI kullanan nörobilişsel çalışmalar
• Başlangıçtan ileri yeterlilik seviyelerine kadar okuma gelişimini izleyen boylamsal çalışmalar
• Farklı L1 geçmişlerinden gelen EFL öğrencileri arasında okuma stratejilerinin kültürler arası karşılaştırmaları

7.3 Pedagojik Yenilikler

Aşağıdakileri içeren tür temelli yaklaşımların uygulanması:

• Metin yapısı tanıma üzerine açık öğretim
• L1 ve L2 söylem kalıplarını karşılaştıran karşılaştırmalı retorik alıştırmalar
• Metin karmaşıklığını kademeli olarak artıran destekli okuma görevleri
• Anlamayı kendi kendine izleme için üstbilişsel strateji eğitimi

8. Kaynakça

1. Al-Jarrah, H., & Ismail, N. S. (2018). Reading Comprehension Difficulties Among EFL Learners in Higher Learning Institutions. International Journal of English Linguistics, 8(7), 32-40.
2. Hart, B., & Risley, T. R. (2003). The early catastrophe: The 30 million word gap by age 3. American Educator, 27(1), 4-9.
3. Just, M. A., & Carpenter, P. A. (1980). A theory of reading: From eye fixations to comprehension. Psychological Review, 87(4), 329-354.
4. Koda, K. (2007). Reading and language learning: Crosslinguistic constraints on second language reading development. Language Learning, 57(1), 1-44.
5. Mundhe, G. B. (2015). Teaching reading skills in English as a second language. International Journal of Research in Humanities and Social Sciences, 3(6), 1-6.
6. Nergis, A. (2013). Exploring the factors that affect reading comprehension of EAP learners. Journal of English for Academic Purposes, 12(1), 1-9.
7. Nezami, S. R. A. (2012). A critical study of comprehension strategies and general problems in reading skill faced by Arab EFL learners with special reference to Najran University in Saudi Arabia. International Journal of Social Sciences and Education, 2(3), 306-316.
8. Nozen, S. Z., et al. (2017). The effectiveness of using schema theory in reading comprehension among EFL learners. International Journal of English Language and Literature Studies, 6(3), 50-57.
9. Nor, N. F. M., & Rashid, R. A. (2018). A review of reading theories and models in reading comprehension. Journal of Language Teaching and Research, 9(6), 1249-1255.
10. Vacca, R. T. (2002). Making a difference in adolescents' school lives: Visible and invisible aspects of content area reading. In A. E. Farstrup & S. J. Samuels (Eds.), What research has to say about reading instruction (3rd ed., pp. 184-204). International Reading Association.
11. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision, 2223-2232. (Metin türü tanıma zorluklarıyla ilgili—desen tanımada metodolojik yenilik için atıf)