Luận án TS: Học & Giữ Từ Vựng L2 qua các Phương thức Đầu vào Âm thanh-Hình ảnh

Khám phá cách đầu vào đa phương tiện (video, hình ảnh, âm thanh) tác động tích cực đến việc học và ghi nhớ từ vựng ngôn ngữ thứ hai (L2) hiệu quả.

• Tác giả: Hassan Alshumrani
• Người hướng dẫn: Dr Sarah Rule
• Trường học: University of Southampton
• Chuyên ngành: Ngôn ngữ thứ hai
• Đề tài: Học và ghi nhớ từ vựng ngẫu nhiên L2 thông qua các phương thức đầu vào nghe nhìn khác nhau
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Southampton

Tóm tắt

I. Tổng quan về học từ vựng L2 qua đầu vào đa phương tiện

Học từ vựng ngôn ngữ thứ hai (L2) một cách tình cờ là quá trình người học tiếp thu từ mới mà không có chủ đích ghi nhớ rõ ràng. Thay vào đó, từ vựng được tiếp nhận tự nhiên thông qua hoạt động giao tiếp, đọc hiểu hoặc xem tài liệu nghe-nhìn. Nghiên cứu của Alshumrani (2019) tại Đại học Southampton đã điều tra ảnh hưởng của bốn phương thức đầu vào audio-visual đến việc học và giữ từ vựng L2. Bốn phương thức bao gồm: video kết hợp âm thanh và phụ đề (VAC), video và âm thanh (VA), phụ đề và âm thanh (CA), và chỉ âm thanh (A only). Nghiên cứu sử dụng thiết kế quasi-thực nghiệm với 36 từ mục tiêu. Kiến thức từ vựng được đánh giá qua ba bài kiểm tra: nhận dạng dạng nói, gợi nhớ nghĩa và nhận dạng nghĩa. Các bài kiểm tra được thực hiện tại ba thời điểm: trước thí nghiệm, ngay sau thí nghiệm và trễ. Kết quả cho thấy việc học từ vựng tình cờ là khả thi qua tất cả các phương thức, nhưng mức độ hiệu quả khác nhau đáng kể giữa các điều kiện đầu vào.

1.1. Định nghĩa học từ vựng tình cờ trong L2

Học từ vựng tình cờ (incidental vocabulary learning) là quá trình người học tiếp thu từ mới trong khi thực hiện một hoạt động giao tiếp khác, không phải với mục đích học từ trực tiếp. Khái niệm này được nghiên cứu rộng rãi trong lĩnh vực ngôn ngữ học ứng dụng. Waring và Takaki (2003) chỉ ra rằng học từ vựng tình cờ qua đọc là khả thi nhưng thu được tương đối ít. Kiến thức thụ động như nhận dạng hình thức và nhận dạng nghĩa phát triển tốt hơn so với kiến thức sản xuất. Trong bối cảnh audio-visual, người học tiếp xúc với từ vựng qua nhiều kênh cảm giác đồng thời: hình ảnh, âm thanh và văn bản. Điều này tạo ra môi trường tiếp xúc ngôn ngữ tự nhiên, mô phỏng quá trình học ngôn ngữ thứ nhất.

1.2. Vai trò của đầu vào đa phương tiện trong học ngôn ngữ

Đầu vào đa phương tiện đóng vai trò quan trọng trong việc tạo môi trường học ngôn ngữ chân thực. Các tài liệu audio-visual cung cấp ngữ cảnh phi ngôn ngữ như hình ảnh, cử chỉ và biểu cảm khuôn mặt. Những yếu tố này hỗ trợ quá trình suy đoán nghĩa của từ mới. Nghiên cứu trước đây chủ yếu tập trung vào đọc hoặc nghe riêng lẻ. Tuy nhiên, việc kết hợp nhiều kênh cảm giác có thể tạo ra hiệu ứng cộng hưởng tích cực. Montero Perez và cộng sự (2018) cùng Peters và Webb (2018) đã chứng minh rằng xem tài liệu audio-visual hỗ trợ học từ vựng hiệu quả. Các phương thức khác nhau tạo ra mức độ mã hóa từ vựng đa dạng trong trí nhớ dài hạn.

II. Phân tích ảnh hưởng của các phương thức đầu vào audio visual

Nghiên cứu của Alshumrani so sánh tác động của bốn phương thức đầu vào audio-visual đến ba khía cạnh kiến thức từ vựng: nhận dạng dạng nói, gợi nhớ nghĩa và nhận dạng nghĩa. Phương thức VAC (video, âm thanh và phụ đề) tạo điều kiện tiếp xúc đầy đủ nhất với thông tin ngôn ngữ. Phương thức VA (video và âm thanh) loại bỏ hỗ trợ văn bản, đặt gánh nặng lớn hơn lên quá trình xử lý thính giác. Phương thức CA (phụ đề và âm thanh) loại bỏ kênh hình ảnh. Phương thức A only chỉ cung cấp đầu vào âm thanh thuần túy. Kết quả cho thấy sự khác biệt đáng kể giữa các phương thức trong cả học ngắn hạn và giữ dài hạn. Tần suất xuất hiện của từ mục tiêu cũng đóng vai trò dự đoán quan trọng. Từ xuất hiện càng nhiều lần, khả năng học và giữ càng cao. Điều này phù hợp với nghiên cứu trước đó về mối quan hệ giữa tần suất lặp lại và tiếp thu từ vựng.

2.1. So sánh hiệu quả giữa bốn phương thức đầu vào

Mỗi phương thức đầu vào tạo ra mức độ tiếp thu từ vựng khác nhau. Phương thức VAC cung cấp ba kênh thông tin đồng thời: hình ảnh chuyển động, âm thanh và phụ đề văn bản. Sự kết hợp này cho phép người học liên kết từ mới với nhiều đầu mối ngữ cảnh. Phương thức VA dựa vào hình ảnh và âm thanh, yêu cầu người học xử lý ngôn ngữ nói mà không có hỗ trợ văn bản. Phương thức CA sử dụng phụ đề và âm thanh, phù hợp với người học có kỹ năng đọc tốt hơn nghe. Phương thức A only là thử thách lớn nhất vì thiếu mọi hỗ trợ trực quan. Nghiên cứu chỉ ra rằng kiến thức thụ động phát triển tốt hơn kiến thức sản xuất ở tất cả các phương thức.

2.2. Vai trò của tần suất xuất hiện và trí nhớ làm việc

Tần suất xuất hiện của từ mục tiêu là biến số liên quan đến yếu tố mục có ảnh hưởng mạnh đến kết quả học. Từ xuất hiện nhiều lần trong tài liệu audio-visual có khả năng được tiếp thu cao hơn. Đây là phát hiện nhất quán với các nghiên cứu trước về đọc và nghe. Trí nhớ làm việc (working memory) là biến số liên quan đến người học. Nghiên cứu sử dụng bốn bài đo: nhớ chữ số xuôi, nhớ chữ số ngược, ma trận chấm và tìm hình khác biệt. Hai thành phần được đánh giá: vòng lặp ngữ âm và bản phác thảo không gian-thị giác. Kết quả cho thấy trí nhớ làm việc có mối liên hệ với việc học từ vựng tình cờ. Các bài đo phức tạp dự đoán tốt hơn so với bài đo đơn giản.

III. Giải pháp tối ưu hóa việc học và giữ từ vựng L2 qua đa phương tiện

Dựa trên kết quả nghiên cứu, nhiều giải pháp thực tiễn được đề xuất để tối ưu hóa quá trình học từ vựng L2 qua đầu vào đa phương tiện. Thứ nhất, việc sử dụng tài liệu audio-visual kết hợp đầy đủ video, âm thanh và phụ đề nên được ưu tiên trong giai đoạn đầu học từ mới. Thứ hai, tần suất lặp lại từ mục tiêu cần được chú trọng. Người thiết kế tài liệu học tập nên đảm bảo từ mới xuất hiện đủ số lần để tạo cơ hội mã hóa sâu. Thứ ba, phụ đề đóng vai trò cầu nối quan trọng giữa hình thức nói và nghĩa. Phụ đề song ngữ hoặc phụ đề L2 giúp người học xác định ranh giới từ và liên kết hình thức với nghĩa. Thứ tư, hoạt động học nên được cá nhân hóa dựa trên dung lượng trí nhớ làm việc của người học. Người học có trí nhớ làm việc thấp cần nhiều hỗ trợ ngữ cảnh hơn. Cuối cùng, việc đánh giá kiến thức từ vựng nên bao gồm cả ba khía cạnh: nhận dạng dạng, gợi nhớ nghĩa và nhận dạng nghĩa để đo lường đầy đủ mức độ tiếp thu.

3.1. Thiết kế tài liệu audio visual hiệu quả cho học từ vựng

Thiết kế tài liệu audio-visual cần tuân theo nguyên tắc tối ưu hóa đầu vào ngôn ngữ. Phụ đề nên được hiển thị rõ ràng và đồng bộ với âm thanh. Từ mục tiêu nên được đặt trong ngữ cảnh giao tiếp tự nhiên, không bị cô lập. Hình ảnh minh họa cần liên quan trực tiếp đến nội dung ngôn ngữ để tạo liên kết ý nghĩa mạnh mẽ. Số lần lặp lại từ mục tiêu nên đạt ngưỡng tối thiểu để kích hoạt quá trình tiếp thu. Nghiên cứu chỉ ra rằng kiến thức thụ động dễ phát triển hơn kiến thức sản xuất. Do đó, tài liệu nên được thiết kế theo hướng tăng dần độ phức tạp. Giai đoạn đầu tập trung vào nhận dạng hình thức và nghĩa. Giai đoạn sau yêu cầu người học sản xuất từ vựng trong ngữ cảnh mới.

3.2. Chiến lược cá nhân hóa dựa trên đặc điểm người học

Trí nhớ làm việc là yếu tố cá nhân ảnh hưởng đến hiệu quả học từ vựng. Người học có dung lượng trí nhớ làm việc cao có khả năng xử lý thông tin ngôn ngữ tốt hơn. Đối với người học có trí nhớ làm việc thấp, việc cung cấp nhiều kênh thông tin đồng thời là cần thiết. Phụ đề và hình ảnh minh họa giúp giảm gánh nặng xử lý nhận thức. Người học nên được khuyến khích tiếp xúc lặp đi lặp lại với tài liệu audio-visual. Thời gian nghỉ giữa các lần tiếp xúc cũng quan trọng để kích hoạt quá trình củng cố trí nhớ. Hoạt động ôn tập nên được phân bố đều trong thời gian dài thay vì dồn vào một thời điểm. Điều này đảm bảo kiến thức từ vựng được chuyển từ trí nhớ ngắn hạn sang dài hạn.

IV. Kết luận và ứng dụng thực tế trong giảng dạy ngôn ngữ

Nghiên cứu về học từ vựng L2 tình cờ qua đầu vào đa phương tiện mở ra nhiều hướng ứng dụng thực tế trong giảng dạy ngôn ngữ. Kết quả cho thấy việc học từ vựng tình cờ là khả thi qua tất cả các phương thức audio-visual. Tuy nhiên, phương thức kết hợp đầy đủ video, âm thanh và phụ đề mang lại hiệu quả cao nhất. Tần suất xuất hiện và trí nhớ làm việc là hai yếu tố dự đoán quan trọng. Đối với giáo viên, việc tích hợp tài liệu audio-visual vào chương trình giảng dạy là chiến lược hiệu quả. Người học nên được tiếp xúc với đa dạng loại tài liệu: phim, video giáo dục, podcast có hình ảnh. Việc đánh giá từ vựng cần đo lường nhiều khía cạnh kiến thức. Kiến thức thụ động thường phát triển trước kiến thức sản xuất. Điều này gợi ý rằng quá trình học từ vựng cần thời gian và sự kiên nhẫn. Các nghiên cứu trong tương lai nên tiếp tục khám phá ảnh hưởng của các biến số cá nhân đến quá trình tiếp thu từ vựng qua đa phương tiện.

4.1. Ứng dụng trong thiết kế chương trình giảng dạy

Chương trình giảng dạy ngôn ngữ nên tích hợp tài liệu audio-visual một cách có hệ thống. Phụ đề L2 nên được sử dụng song song với âm thanh để hỗ trợ quá trình liên kết hình thức và nghĩa. Số lần tiếp xúc với từ mục tiêu cần được tính toán kỹ lưỡng trong thiết kế bài học. Giáo viên nên sử dụng video có nội dung phù hợp với trình độ người học. Hoạt động trước khi xem giúp kích hoạt kiến thức sẵn có. Hoạt động sau khi xem củng cố và mở rộng kiến thức từ vựng mới. Chương trình cũng nên phân loại người học theo dung lượng trí nhớ làm việc để cá nhân hóa trải nghiệm học tập. Đánh giá định kỳ qua ba loại bài kiểm tra giúp đo lường tiến bộ toàn diện.

4.2. Hướng nghiên cứu tương lai về học từ vựng đa phương tiện

Nghiên cứu tương lai cần mở rộng mẫu người học và ngôn ngữ mục tiêu để tăng tính khái quát hóa. Việc khám phá thêm các biến số cá nhân như động lực, phong cách học tập và kinh nghiệm trước đó là cần thiết. Công nghệ thực tế ảo và thực tế tăng cường có thể tạo ra môi trường học từ vựng mới. Nghiên cứu về tác động của phụ đề thông minh, tự động điều chỉnh theo trình độ người học, cũng đáng quan tâm. Thời gian giữ từ vựng dài hơn, sáu tháng hoặc một năm, cần được nghiên cứu thêm. Các phương pháp thu thập dữ liệu sinh trắc học như theo dõi mắt và đo hoạt động não bộ có thể cung cấp hiểu biết sâu hơn về quá trình nhận thức.

Nội dung chính

Tổng quan về luận án

Nghiên cứu của Hassan Alshumrani (2019) tại Khoa Nhân văn, Đại học Southampton (University of Southampton) mang tiêu đề "L2 Incidental Vocabulary Learning and Retention through Different Modalities of Audio-visual Input" đặt nền móng tiên phong trong việc giải quyết bài toán tiếp thu từ vựng ngẫu nhiên (incidental vocabulary acquisition) trong thụ đắc ngôn ngữ thứ hai (L2/EFL). Trong bối cảnh phương pháp giảng dạy truyền thống tại nhiều quốc gia vẫn đặt nặng ngữ pháp và học vẹt danh sách từ (rote memorization), người học L2 thường xuyên đối mặt với sự thiếu hụt nghiêm trọng về vốn từ. Bối cảnh khoa học này được nhấn mạnh qua nhận định kinh điển của Wilkins (1972, p. 111): "without grammar very little can be conveyed, without vocabulary nothing can be conveyed", cùng với luận điểm từ Schmitt, Cobb, Horst, và Schmitt (2015, p. 213): "knowledge of vocabulary is fundamental to all language use, and so must be learned in some manner in order for learners to become communicative in a new language".

Khoảng trống nghiên cứu (research gap) trọng tâm mà luận án xác định xuất phát từ thực tế: phần lớn các nghiên cứu trước đây (như Montero Perez et al., 2014; Sydorenko, 2010; Winke et al., 2010) chỉ tập trung so sánh phụ đề tiếng mẹ đẻ (L1 subtitles) với phụ đề tiếng mục tiêu (L2 captions), bỏ qua việc phân rã có hệ thống các phương thức đầu vào nghe - nhìn (multimodal audio-visual inputs). Đồng thời, tác động đồng thời của biến số liên quan đến mục từ (tần suất xuất hiện - frequency of occurrence) và biến số cá nhân người học (dung lượng trí nhớ làm việc - working memory capacity) đối với quá trình duy trì từ vựng dài hạn (long-term retention) qua ba chiều kích tri thức từ vựng chưa từng được khảo sát toàn diện.

Luận án thiết lập hệ thống 7 câu hỏi nghiên cứu (RQs) và các giả thuyết cụ thể:

1. Mức độ tác động của 4 điều kiện đầu vào nghe - nhìn (VAC, VA, CA, và A only) đối với việc học ngắn hạn 3 khía cạnh từ vựng: nhận diện hình thái âm thanh (spoken form recognition), tái hiện ý nghĩa (meaning recall), và nhận diện ý nghĩa (meaning recognition).
2. Phương thức đầu vào nào trong 4 điều kiện mang lại hiệu quả học tập ngắn hạn vượt trội nhất cho từng khía cạnh tri thức từ vựng.
3. Phương thức đầu vào nào duy trì khả năng lưu giữ dài hạn (long-term retention) tốt nhất sau bài kiểm tra trì hoãn (delayed post-test).
4. Mức độ tác động của tần suất lặp lại mục từ (frequency of occurrence) trong ngữ cảnh đa phương thức đối với việc tiếp thu 3 khía cạnh tri thức từ vựng.
5. Mối quan hệ tương quan giữa trí nhớ làm việc (WM) và khả năng học ngắn hạn cũng như lưu giữ dài hạn từ vựng; phân hệ nào (vòng đai âm vị - phonological loop hay bản phác thảo thị giác - không gian - visuospatial sketchpad) đóng vai trò chủ đạo.
6. Loại hình nhiệm vụ đo lường WM (đơn giản hay phức hợp) dự báo chính xác nhất hiệu quả tiếp thu và duy trì từ vựng.
7. Liệu WM có đóng vai trò điều biến (mediating role) tác động của 4 phương thức đầu vào nghe - nhìn lên kết quả học tập từ vựng hay không.

Khung lý thuyết của luận án được xây dựng trên sự tích hợp của Lý thuyết Mã hóa Kép (Dual Coding Theory - Paivio, 1986), Lý thuyết Nhận thức về Học Đa phương tiện (Cognitive Theory of Multimedia Learning - CTML - Mayer, 2005, 2014), Mô hình Trí nhớ Làm việc Đa thành phần (Multicomponent Model of Working Memory - Baddeley, 1986, 2003) và Mô hình Trí nhớ Làm việc Tích hợp trong SLA (Integrated WM Model - Wen, 2016).

Đóng góp đột phá của luận án nằm ở việc chứng minh bằng định lượng rằng không có một phương thức đầu vào đơn lẻ nào tối ưu cho mọi khía cạnh tri thức từ vựng: điều kiện có phụ đề (CA và VAC) vượt trội trong việc phát triển nhận diện hình thái âm thanh, trong khi điều kiện kết hợp hình ảnh động và âm thanh không phụ đề (VA) lại vượt trội trong việc khắc sâu tái hiện và nhận diện ngữ nghĩa. Về quy mô, nghiên cứu khảo sát mẫu chuẩn hóa gồm các sinh viên đại học chuyên ngành tiếng Anh tại Ả Rập Xê Út, xử lý 36 mục từ mục tiêu (target words) được chuẩn hóa qua công cụ phân tích từ vựng Vocabprofile, đo lường lặp lại qua 3 mốc thời gian: trước can thiệp (pre-test), ngay sau can thiệp (immediate post-test), và trì hoãn (delayed post-test).

---

Literature Review và Positioning

Tổng quan tài liệu của luận án tổng hợp ba dòng nghiên cứu học thuật lớn:

1. Dòng nghiên cứu về ngưỡng từ vựng và phương thức tiếp thu L2: Laufer (1992), Van Zeeland & Schmitt (2013), và Peters & Webb (2018) đã chứng minh người học cần tối thiểu 3.000 đến 5.000 họ từ (word families) để hiểu văn bản nói, và Nation (2006) chỉ ra con số 8.000 - 9.000 họ từ đối với văn bản viết. Tuy nhiên, các nghiên cứu thực nghiệm của Laufer (2000), AlSaif (2011) và Al Qahtani (2005) cho thấy sinh viên EFL thường chỉ đạt mức 1.000 - 2.000 từ. Điều này dẫn đến tranh luận giữa việc học chủ định (intentional learning) và học ngẫu nhiên (incidental learning). Nagy và Herman (1987, p. 345) chỉ ra giới hạn của học chủ định: "students typically need to know words measured in thousands, not hundreds, but receive language instruction measured in months, not years". Do đó, việc tiếp thu ngẫu nhiên qua các kênh đầu vào phong phú là yêu cầu tất yếu (Hulstijn, 2003; Nation, 2001; Schmitt, 2010).
2. Dòng nghiên cứu về tiếp thu từ vựng qua đọc và nghe đơn thuần: Các công trình của Horst (2005), Pellicer-Sánchez & Schmitt (2010), Waring & Takaki (2003), Brown, Waring & Donkaewbua (2008), và Vidal (2003, 2011) đều chỉ ra rằng tiếp thu qua đọc (reading) và nghe (listening) diễn ra chậm, tỷ lệ tăng trưởng từ vựng tương đối nhỏ (small vocabulary gains) và mức độ tiêu hao từ vựng (lexical attrition) sau thời gian trì hoãn rất cao.
3. Dòng nghiên cứu về đầu vào đa phương tiện (Audio-visual input): Nghiên cứu của Rodgers (2013), Sydorenko (2010), Montero Perez et al. (2014, 2018), Peters, Heynen, & Puimège (2016) khẳng định tiềm năng to lớn của video. Milton (2009, p. 3) nhấn mạnh rằng từ ngữ "are the building blocks of language and without them there is no language", và phương tiện nghe nhìn tạo ra ngữ cảnh tự nhiên để kích hoạt các khối kiến trúc này.

Luận án định vị rõ nét cuộc tranh luận học thuật giữa hai trường phái đối nghịch:

• Trường phái ủng hộ phụ đề toàn diện (Caption Advocacy): Các tác giả như Sydorenko (2010) và Winke et al. (2010) cho rằng sự xuất hiện đồng thời của phụ đề L2 (chữ viết), âm thanh và hình ảnh tạo ra sự củng cố tam giác (triangulated reinforcement), hỗ trợ triệt để việc phân đoạn từ trong chuỗi lời nói (speech segmentation).
• Trường phái quá tải nhận thức và nguyên lý dư thừa (Cognitive Overload / Redundancy Principle): Dựa trên Mayer & Moreno (2003) và Sweller (2005), trường phái này lập luận rằng việc trình bày chữ viết cùng lúc với kênh hình ảnh và âm thanh dẫn đến sự cạnh tranh tài nguyên thị giác (visual split-attention effect), làm giảm khả năng tập trung vào ngữ cảnh trực quan để suy luận ý nghĩa.

So sánh với hai nghiên cứu quốc tế điển hình:

• Nghiên cứu của Waring & Takaki (2003) trên văn bản đọc graded readers với 25 từ mục tiêu cho thấy mức độ suy giảm từ vựng nghiêm trọng sau 3 tháng (chỉ còn lưu giữ trung bình 1 từ). Luận án của Alshumrani tiến xa hơn khi phân tích sự suy giảm này trên 4 phương thức nghe - nhìn khác nhau, chỉ ra rằng phương thức VA giúp bảo toàn ý nghĩa từ vựng bền vững hơn phương thức thuần âm thanh.
• Nghiên cứu của Sydorenko (2010) trên người học tiếng Nga L2 chỉ so sánh ba điều kiện (Video + Audio, Video + Audio + Caption, Video + Caption không âm thanh). Luận án của Alshumrani khắc phục các lỗ hổng phương pháp luận của Sydorenko bằng cách đưa vào nhóm đối chứng chuẩn (Audio only), bổ sung điều kiện Caption + Audio (loại bỏ hình ảnh động), áp dụng công thức triệt tiêu đoán mò (correction for guessing), và kết hợp trắc nghiệm trí nhớ làm việc chuyên sâu.

---

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm chứng trực tiếp ba hệ thống lý thuyết nhận thức nền tảng:

1. Lý thuyết Mã hóa Kép (Paivio, 1986): Lý thuyết giả định thông tin được xử lý qua hai hệ thống độc lập nhưng có mối liên kết tham chiếu (referential connections): hệ thống ngôn ngữ (logogens) và hệ thống phi ngôn ngữ (imagens). Phát hiện của luận án xác nhận rằng sự kết hợp giữa hình ảnh chuyển động và lời thoại (VA) tạo điều kiện tối ưu để kích hoạt hệ thống phi ngôn ngữ nhằm biểu đạt ngữ nghĩa trừu tượng, thúc đẩy mạnh mẽ khả năng tái hiện ý nghĩa (meaning recall).
2. Lý thuyết Nhận thức về Học Đa phương tiện - CTML (Mayer, 2005, 2014): Luận án kiểm chứng Nguyên lý Đa phương tiện (Multimedia Principle - học tốt hơn từ từ ngữ kết hợp hình ảnh so với chỉ từ ngữ) và Nguyên lý Dư thừa (Redundancy Principle). Kết quả thực nghiệm mang tính phản biện sâu sắc: đối với việc học hình thái âm thanh (spoken form), sự xuất hiện của phụ đề L2 (chữ viết) không gây cản trở nhận thức mà đóng vai trò giàn giáo (scaffolding), phản bác giả định cho rằng phụ đề luôn gây dư thừa nhận thức trong môi trường học ngoại ngữ.
3. Mô hình Trí nhớ Làm việc Đa thành phần (Baddeley, 1986, 2003; Wen, 2016): Luận án đóng góp bằng chứng thực nghiệm về ranh giới độc lập của dung lượng trí nhớ làm việc trong môi trường học ngẫu nhiên đa phương tiện. Kết quả cho thấy sự khác biệt cá nhân về WM không giải thích cho sự biến thiên của điểm số từ vựng, thách thức giả định phổ quát về vai trò chi phối của WM trong các tác vụ học L2 ngẫu nhiên ngắn hạn.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ma trận 3 chiều:

• Chiều phương thức đầu vào (Input Modalities): 4 cấp độ can thiệp (VAC, VA, CA, A only).
• Chiều phân loại tri thức từ vựng (Word Knowledge Taxonomy): Dựa trên khung phân loại đa thành phần của Nation (2001) và Richards (1976), chia tách rành mạch giữa Hình thái (Spoken Form Recognition) - Ý nghĩa thụ nhận (Spoken Meaning Recognition) - Ý nghĩa tái hiện (Spoken Meaning Recall).
• Chiều biến số tác động (Predictive Variables): Phân tích đồng thời biến số mục từ (Tần suất lặp lại 3 cấp độ: thấp, trung bình, cao) và biến số người học (Dung lượng WM đo qua 4 công cụ độc lập).

                      VOCABULARY KNOWLEDGE DIMENSIONS
                            (Nation, 2001 Framework)

Điều kiện biên (boundary conditions) được xác định rõ ràng: nghiên cứu áp dụng cho người học L2 trình độ trung cấp trong ngữ cảnh EFL, đối với các đoạn video tài liệu mang tính xác thực (authentic/semi-authentic informative video clips), loại trừ sự hướng dẫn chủ định của giáo viên.

---

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt hệ hình thực chứng (positivism paradigm) với lập trường nhận thức luận khách quan (objectivist epistemology). Thiết kế nghiên cứu thuộc dạng bán thực nghiệm (quasi-experimental design), kết hợp so sánh giữa các nhóm (between-subjects factors: 4 treatment groups) và đo lường lặp lại nội tại đối tượng (within-subjects repeated measures over 3 time points: pre-test, immediate post-test, delayed post-test sau khoảng thời gian 2 tuần).

Mẫu nghiên cứu gồm 120 sinh viên nam chuyên ngành tiếng Anh tại một trường đại học công lập ở Ả Rập Xê Út, được phân bổ ngẫu nhiên vào 4 nhóm điều kiện can thiệp tương đương về trình độ đầu vào:

• Nhóm VAC ($n = 30$): Xem video có đầy đủ hình ảnh, âm thanh và phụ đề tiếng Anh.
• Nhóm VA ($n = 30$): Xem video có hình ảnh và âm thanh, không có phụ đề.
• Nhóm CA ($n = 30$): Xem màn hình tĩnh chứa phụ đề chạy đồng bộ với âm thanh, không có hình ảnh video.
• Nhóm A only ($n = 30$): Chỉ nghe file âm thanh của video qua tai nghe.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được kiểm soát chặt chẽ qua các giai đoạn:

1. Chuẩn hóa học liệu: Sử dụng 4 đoạn video tài liệu giáo dục. Toàn bộ kịch bản lời thoại được phân tích qua phần mềm phân tích tần suất từ vựng VocabProfile (Cobb, b-engine) nhằm xác định chính xác tỷ lệ bao phủ từ vựng (lexical coverage) đạt trên 95% đối với các dải từ K1-K2.
2. Lựa chọn 36 từ mục tiêu (Target Words): 36 từ được chọn thuộc dải từ học thuật hoặc tần suất thấp (từ K3 trở lên), chia đều thành 3 nhóm tần suất xuất hiện trong tài liệu: Tần suất thấp (1-2 lần), Tần suất trung bình (3-4 lần), và Tần suất cao (5-7 lần).
3. Công cụ đo lường tri thức từ vựng (Vocabulary Instruments):
   • Bài trắc nghiệm Nhận diện hình thái âm thanh (Spoken Form Recognition Test): Gồm 36 từ mục tiêu trộn lẫn 12 từ phi nghĩa (non-words) chuẩn hóa từ Waring & Takaki (2003). Người học nghe và tích chọn từ có xuất hiện trong bài. Áp dụng công thức triệt tiêu đoán mò (correction for guessing - cfg formula):

$$\text{Corrected Score} = \text{Hits} - \left(\text{False Alarms} \times \frac{\text{Target Words}}{\text{Non-words}}\right)$$

• Bài kiểm tra Tái hiện ý nghĩa âm thanh (Spoken Meaning Recall Test): Người học nghe phát âm từng từ mục tiêu và viết nghĩa tiếng Ả Rập (L1) hoặc giải nghĩa bằng tiếng Anh.
• Bài trắc nghiệm Nhận diện ý nghĩa âm thanh (Spoken Meaning Recognition Test): Người học nghe phát âm và chọn 1 trong 4 phương án nghĩa L1 (kèm lựa chọn "I don't know" để tránh đoán mò).

4. Công cụ đo lường Trí nhớ làm việc (Working Memory Battery):
   • Đo lường Vòng đai âm vị / WM Lời nói (Verbal WM): Forward Digit Recall Test (Chuỗi số xuôi) và Backward Digit Recall Test (Chuỗi số ngược).
   • Đo lường Bản phác thảo thị giác - không gian / WM Thị giác (Visual WM): Dot Matrix Test (Ma trận điểm nhớ vị trí) và Odd One Out Test (Tìm hình khác biệt và nhớ vị trí).
5. Kiểm định độ tin cậy và Pilot Studies: Triển khai 2 nghiên cứu thử nghiệm (Pilot Study 1 trên $N=24$ và Pilot Study 2 trên $N=32$) để chuẩn hóa độ phân biệt (item discrimination), độ khó (item difficulty) của đề thi và độ tin cậy nội tại Cronbach's alpha đạt $\alpha > 0.82$ cho toàn bộ các thang đo.

Data và phân tích

Phân tích định lượng được thực hiện trên phần mềm SPSS phiên bản nâng cao:

• Kiểm tra phân phối chuẩn qua kiểm định Kolmogorov-Smirnov ($p < 0.05$ ở một số phân nhóm đòi hỏi sử dụng kiểm định phi tham số bổ trợ).
• Kiểm tra tính đồng nhất của phương sai (Levene’s test of homogeneity of variances). Khi giả định phương sai đồng nhất bị vi phạm, sử dụng phân tích phương sai mạnh Welch ANOVA kết hợp kiểm định hậu nghiệm Games-Howell post-hoc test.
• Sử dụng các kiểm định phi tham số tương ứng: Kruskal-Wallis H test cho so sánh giữa các nhóm, Mann-Whitney U test cho so sánh từng cặp, và Wilcoxon signed-rank test cho so sánh biến thiên điểm số giữa các thời điểm (Immediate vs. Delayed).
• Phân tích hồi quy bội tiêu chuẩn (Standard Multiple Regression) và phân tích tương quan Pearson/Spearman để đánh giá năng lực dự báo của 4 chỉ số WM đối với điểm số từ vựng tổng hợp (composite vocabulary scores).

---

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Sự vượt trội mang tính chuyên biệt hóa của các phương thức đầu vào:
   • Đối với Nhận diện hình thái âm thanh (Spoken Form Recognition): Các nhóm có phụ đề (CA: $M = 28.43$ và VAC: $M = 27.10$) đạt điểm số cao hơn đáng kể so với các nhóm không phụ đề (VA: $M = 18.27$ và A only: $M = 14.30$) trên bài kiểm tra ngay sau can thiệp. Kiểm định Welch ANOVA và Games-Howell cho thấy sự khác biệt có ý nghĩa thống kê rất lớn ($p < 0.001$, effect size $\eta^2 > 0.35$). Phụ đề L2 cung cấp biểu diễn chỉnh thể dạng chữ (orthographic representation), hỗ trợ người học ánh xạ chính xác luồng âm thanh vào cấu trúc từ.
   • Đối với Tái hiện ý nghĩa (Spoken Meaning Recall): Nhóm xem video thuần túy (VA: $M = 12.87$) vượt trội có ý nghĩa thống kê ($p < 0.01$) so với nhóm VAC ($M = 8.53$), nhóm CA ($M = 6.40$) và nhóm A only ($M = 3.20$). Điều này chứng minh rằng khi không bị phân tâm bởi văn bản chữ viết trên màn hình, người học tập trung tối đa vào các manh mối trực quan động (dynamic visual cues), tạo mối liên kết ngữ nghĩa - hình ảnh sâu sắc hơn trong bộ nhớ dài hạn.
   • Đối với Nhận diện ý nghĩa (Spoken Meaning Recognition): Cả hai nhóm có hình ảnh video (VA và VAC) đều đạt kết quả vượt trội so với CA và A only ($p < 0.001$), khẳng định giá trị cốt lõi của kênh hình ảnh trong việc giải mã nghĩa từ vựng.
2. Tỷ lệ tiêu hao từ vựng sâu sắc theo thời gian (High Lexical Attrition Rates):
   • Kết quả kiểm định Wilcoxon signed-rank test giữa bài kiểm tra ngay sau can thiệp và bài kiểm tra trì hoãn sau 2 tuần cho thấy sự sụt giảm nghiêm trọng trên cả 3 khía cạnh tri thức ở cả 4 nhóm ($p < 0.001$). Điểm số nhận diện hình thái giảm trung bình từ 30% đến 45%, trong khi điểm số tái hiện ý nghĩa giảm tới hơn 60% ở các nhóm không có hình ảnh hỗ trợ.
3. Tương tác phi tuyến tính của Tần suất xuất hiện (Frequency of Occurrence):
   • Tần suất lặp lại mục từ tỷ lệ thuận với khả năng tiếp thu, tuy nhiên hiệu ứng này phân hóa theo phương thức. Ở nhóm tần suất cao (5-7 lần), ngay cả phương thức A only cũng ghi nhận sự tăng trưởng nhận diện hình thái, nhưng để đạt được sự tái hiện ý nghĩa (meaning recall), mục từ cần tối thiểu 5 lần lặp lại kết hợp với hình ảnh trực quan (nhóm VA).
4. Phát hiện phản trực giác về Trí nhớ làm việc (Working Memory Disconnect):
   • Phân tích hồi quy tuyến tính bội chỉ ra rằng cả 4 chỉ số WM (Forward Digit, Backward Digit, Dot Matrix, Odd One Out) đều không dự báo có ý nghĩa thống kê ($p > 0.05, R^2 < 0.04$) đối với kết quả học tập từ vựng ngắn hạn cũng như lưu giữ dài hạn. Điều này bác bỏ giả thuyết phổ biến cho rằng người học có dung lượng WM thấp hơn sẽ bị quá tải nhận thức trong môi trường đa phương tiện phức hợp như VAC.

Implications đa chiều

• Về mặt lý thuyết: Củng cố mô hình phân rã tri thức từ vựng của Nation (2001), chứng minh hình thái và ngữ nghĩa đòi hỏi các cơ chế phân bổ tài nguyên xử lý nhận thức khác nhau. Đóng góp dữ liệu phản biện cho Lý thuyết CTML của Mayer trong bối cảnh học ngôn ngữ thứ hai.
• Về mặt phương pháp luận: Chuẩn hóa quy trình đo lường nghe - nhìn tích hợp công thức hiệu chỉnh đoán mò (cfg formula) và bộ công cụ đo lường WM đa diện, có thể tái lập trong các nghiên cứu SLA quốc tế.
• Về mặt thực tiễn sư phạm: Giáo viên ngoại ngữ không nên sử dụng mặc định một định dạng video cho mọi mục tiêu bài học. Khi mục tiêu là phát triển khả năng nhận diện âm thanh và chính tả, video có phụ đề L2 (VAC hoặc CA) là lựa chọn tối ưu. Khi mục tiêu là đào sâu ngữ nghĩa và khả năng vận dụng nghĩa, video không phụ đề (VA) mang lại hiệu quả cao hơn.
• Về mặt chính sách: Định hướng các nhà phát triển chương trình và ứng dụng EdTech (như hệ thống học đa phương tiện) thiết kế tính năng bật/tắt linh hoạt các luồng đầu vào (captions, dynamic visuals) tùy theo mục tiêu bài học từ vựng cụ thể.

---

Limitations và Future Research

Luận án thừa nhận một số giới hạn nghiên cứu khách quan:

1. Đặc điểm nhân khẩu học của mẫu nghiên cứu: Toàn bộ đối tượng tham gia là sinh viên nam thuộc một trường đại học tại Ả Rập Xê Út, xuất phát từ bối cảnh văn hóa và hệ thống giáo dục phân tách giới tính, điều này có thể hạn chế khả năng khái quát hóa (generalizability) sang các nhóm đối tượng nữ hoặc các nền văn hóa khác.
2. Khoảng thời gian kiểm tra trì hoãn: Mốc thời gian đánh giá độ lưu giữ dài hạn được thực hiện sau 2 tuần. Đây là khoảng thời gian phù hợp cho khuôn khổ nghiên cứu tiến sĩ nhưng chưa đủ để đánh giá mức độ duy trì từ vựng vĩnh viễn (ví dụ sau 3-6 tháng).
3. Đặc tính ngữ liệu đầu vào: Nghiên cứu sử dụng 4 video mang tính thuyết minh/tài liệu giáo dục ngắn. Các thể loại video khác như phim ảnh truyền hình, hội thoại đời thường hay tin tức với tốc độ nói và độ phức tạp diễn ngôn khác nhau chưa được bao quát.

Chương trình nghiên cứu 5-10 năm tới mở ra các hướng đi tiếp nối:

• Mở rộng khảo sát trên mẫu người học đa dạng về giới tính, độ tuổi và trình độ thông thạo L2 khác nhau.
• Kéo dài khung thời gian đánh giá độ duy trì từ vựng lên 3 tháng, 6 tháng và 1 năm kết hợp với các đợt củng cố ngẫu nhiên định kỳ (spaced incidental encounters).
• Ứng dụng công nghệ theo dõi chuyển động mắt (Eye-tracking) và đo điện não đồ (EEG/ERP) để ghi nhận chính xác thời gian dừng mắt (fixation duration) trên phụ đề và phản ứng thần kinh khi xử lý các kênh đầu vào cạnh tranh.
• Khảo sát các khía cạnh tri thức từ vựng bậc cao hơn như kết hợp từ (collocations), ngữ dụng (pragmatics), và khả năng sản sinh tự phát trong văn cảnh nói (spontaneous oral production).

---

Tác động và ảnh hưởng

• Tác động học thuật (Academic Impact): Cung cấp bộ dữ liệu thực nghiệm chuẩn mực cho lĩnh vực nghiên cứu tiếp thu từ vựng L2 qua phương tiện nghe - nhìn. Đóng góp trực tiếp vào hệ thống trích dẫn của các tạp chí đầu ngành như Language Learning, Applied Linguistics, Studies in Second Language Acquisition, và System.
• Chuyển đổi công nghệ giáo dục (EdTech Transformation): Cung cấp cơ sở khoa học định lượng cho các nền tảng học ngôn ngữ trực tuyến (như Coursera, Duolingo, các kênh video giáo dục) trong việc cá nhân hóa giao diện đầu vào: tự động gợi ý ẩn/hiện phụ đề dựa trên mục tiêu rèn luyện hình thái hay ngữ nghĩa.
• Ảnh hưởng chính sách giáo dục: Cung cấp bằng chứng thực nghiệm giúp Bộ Giáo dục các quốc gia đang phát triển (đặc biệt là vùng Trung Đông và Châu Á) cải cách giáo trình tiếng Anh, chuyển đổi từ phương pháp dịch - ngữ pháp truyền thống sang tích hợp học liệu nghe - nhìn phong phú vào chương trình giảng dạy chính khóa.

---

Đối tượng hưởng lợi

• Nghiên cứu sinh Tiến sĩ & Học viên Sau đại học: Nắm bắt phương pháp thiết kế thực nghiệm chặt chẽ, cách phân rã biến số và quy trình xử lý dữ liệu phức hợp (kết hợp Welch ANOVA, Games-Howell, Non-parametric tests và cfg formula).
• Các nhà nghiên cứu Ngôn ngữ học Ứng dụng: Tiếp cận mô hình phân tích đối sánh đa kênh đầu vào và dữ liệu phản biện đối với vai trò của Working Memory trong học ngẫu nhiên.
• Chuyên gia R&D Công nghệ Giáo dục: Ứng dụng các phát hiện để tối ưu hóa thuật toán hiển thị phụ đề và hình ảnh trên các nền tảng học tập đa phương tiện thông minh.
• Giáo viên và Giảng viên Ngoại ngữ: Sở hữu căn cứ thực chứng để thiết kế các hoạt động xem video hiệu quả trong lớp học, tối ưu hóa việc phân bổ thời gian cho các bài tập bổ trợ hình thái hoặc ngữ nghĩa.

---

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc phân rã và chứng minh tính chuyên biệt hóa của các kênh đầu vào nghe - nhìn đối với từng khía cạnh tri thức từ vựng độc lập, từ đó mở rộng Lý thuyết Nhận thức về Học Đa phương tiện (CTML - Mayer, 2005) và Lý thuyết Mã hóa Kép (Paivio, 1986) trong lĩnh vực SLA. Luận án chỉ ra rằng sự kết hợp tối đa các kênh (VAC) không phải lúc nào cũng mang lại hiệu quả cao nhất cho việc học nghĩa từ (do sự cạnh tranh chú ý thị giác), nhưng lại tối ưu cho việc học hình thái âm thanh.

2. Đổi mới phương pháp luận của nghiên cứu khi so sánh với các nghiên cứu trước đây?

So với nghiên cứu của Sydorenko (2010) và Montero Perez et al. (2014), luận án của Alshumrani thiết lập 4 điều kiện đối sánh hoàn chỉnh (VAC, VA, CA, A only), kiểm soát chặt chẽ độ bao phủ từ vựng bằng phần mềm VocabProfile, áp dụng công thức triệt tiêu đoán mò (cfg formula) cho bài trắc nghiệm hình thái âm thanh, và tích hợp bộ đo lường trí nhớ làm việc toàn diện gồm 4 bài kiểm tra phân tách giữa lời nói và thị giác.

3. Phát hiện gây ngạc nhiên nhất về mặt thực nghiệm và bằng chứng số liệu?

Phát hiện bất ngờ nhất là sự thiếu vắng mối liên hệ có ý nghĩa thống kê giữa Trí nhớ làm việc (WM) và kết quả học từ vựng ngẫu nhiên ($R^2 < 0.04, p > 0.05$). Dù người học có dung lượng WM lời nói hay thị giác cao hay thấp, kết quả tiếp thu và duy trì từ vựng qua các điều kiện nghe - nhìn không có sự phân hóa đáng kể, chứng minh rằng môi trường đa phương tiện cung cấp đủ các điểm tựa nhận thức (cognitive scaffolding) giúp bù đắp giới hạn của WM cá nhân.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) chuẩn xác không?

Có. Luận án cung cấp chi tiết toàn bộ phụ lục gồm: danh sách 36 từ mục tiêu kèm tần suất xuất hiện, bảng 12 từ phi nghĩa chuẩn hóa, kịch bản 4 video đã phân tích Vocabprofile, phiếu trả lời mẫu của 3 bài kiểm tra từ vựng, quy trình thực hiện 4 bài kiểm tra WM và toàn bộ tham số thống kê mô tả.

5. Định hướng chương trình nghiên cứu 10 năm được phác thảo như thế nào?

Chương trình nghiên cứu dài hạn hướng tới việc tích hợp các phương pháp đo lường sinh trắc học nhận thức (Eye-tracking, fMRI, EEG) trong quá trình tiếp nhận đa phương thức, mở rộng sang nghiên cứu ngữ liệu hội thoại tự nhiên, và khảo sát sự tương tác giữa các phương thức đầu vào với các biến số cá nhân nâng cao như động lực học tập và phong cách nhận thức (cognitive styles).

---

Kết luận

Tóm kết lại, công trình nghiên cứu tiến sĩ của Hassan Alshumrani (2019) đem lại 6 đóng góp mang tính nền tảng:

1. Xác lập bằng chứng thực nghiệm vững chắc về hiệu quả vượt trội của các phương thức nghe - nhìn trong việc thúc đẩy tiếp thu từ vựng ngẫu nhiên ở cả 3 khía cạnh: nhận diện hình thái, tái hiện ý nghĩa và nhận diện ý nghĩa.
2. Chứng minh nguyên lý phân hóa chức năng đầu vào: Phụ đề L2 tối ưu hóa việc học hình thái từ vựng (spoken form), trong khi hình ảnh video không phụ đề tối ưu hóa việc khắc sâu ngữ nghĩa (meaning recall).
3. Cung cấp dữ liệu định lượng chính xác về quy luật tiêu hao từ vựng (lexical attrition) sau can thiệp nghe - nhìn, khẳng định sự cần thiết của các đợt củng cố lặp lại có chủ đích.
4. Làm sáng tỏ cơ chế tác động của tần suất xuất hiện mục từ trong môi trường đa phương thức, chỉ ra ngưỡng lặp lại tối thiểu cần thiết để chuyển hóa từ nhận diện thụ động sang tái hiện chủ động.
5. Tái thẩm định và định vị lại vai trò của Trí nhớ làm việc trong học L2 ngẫu nhiên, chỉ ra tính độc lập tương đối giữa dung lượng WM và hiệu quả xử lý đầu vào nghe - nhìn.
6. Thiết lập một khung phương pháp luận mẫu mực, kết hợp chặt chẽ giữa phân tích ngôn ngữ học ngữ liệu, thiết kế thực nghiệm kiểm soát cao và phân tích thống kê đa biến, định hình hướng đi mới cho các nghiên cứu thụ đắc ngôn ngữ thứ hai trên quy mô toàn cầu.

Trích đoạn nội dung tài liệu

University of Southampton Research Repository Copyright © and Moral Rights for this thesis and, where applicable, any accompanying data are retained by the author and/or other copyright owners. A copy can be downloaded for personal non-commercial research or study, without prior permission or charge. This thesis and the accompanying data cannot be reproduced or quoted extensively from without first obtaining permission in writing from the copyright holder/s. The content of the thesis and accompanying research data (where applicable) must not be changed in any way or sold commercially in any format or medium without the formal permission of the copyright holder/s.

When referring to this thesis and any accompanying data, full bibliographic details must be given, e. Thesis: Author (Year of Submission) "Full thesis title", University of Southampton, name of the University Faculty or School or Department, PhD Thesis, pagination. University of Southampton FACULTY OF HUMANITIES Modern Languages L2 Incidental Vocabulary Learning and Retention through Different Modalities of Audio-visual Input by Hassan Alshumrani Thesis for the degree of Doctor of Philosophy April, 2019 University of Southampton Abstract Faculty of Arts and Humanities Modern Languages Thesis for the degree of Doctor of Philosophy L2 Incidental Vocabulary Learning and Retention through Different Modalities of Audio-visual Input Hassan Alshumrani While the bulk of previous studies on incidental vocabulary learning through audio-visual materials have looked at the differential effects of some input modalities (e., L1 subtitles vs L2 captions), little research has examined the effects of other important modalities of audio-visual input. The present research study investigates L2 incidental vocabulary short-term learning and long-term retention in four different audio-visual input conditions.

More precisely, adopting a quasi-experimental research design, this study compares the effects of four modalities of audio- visual input: video, audio, and caption (VAC), video and audio (VA), caption and audio, (CA), and audio only (A only) on incidental learning and retention of knowledge of 36 target words’ spoken form recognition, meaning recall, and meaning recognition. Additionally, the study examines the predictive roles of an item-related variable (frequency of occurrence) and a learner-related variable (working memory) in incidental vocabulary learning through the four different input conditions. The study used a range of data collection methods. Vocabulary knowledge was assessed through three vocabulary tests: spoken form recognition, spoken meaning recall, and spoken meaning recognition.

These were administered at three different time points as, pre-tests, immediate post- tests, and delayed post-tests. Working memory capacity was measured using two verbal tests, (forward digit recall and backward digit recall) and two visuospatial tests, (dot matrix and odd one out). The study demonstrated that the four audio-visual input conditions resulted in L2 incidental vocabulary learning of the three vocabulary knowledge dimensions. The findings showed that the four modalities of audio-visual input had differential effects on incidental short-term learning of the three vocabulary knowledge types.

The captioning conditions (CA and VAC) were more effective than the non-captioning conditions (VA and A only) for fostering form learning. The visual condition (VA) was the most effective condition for promoting meaning knowledge. Additionally, large attrition rates of the three vocabulary knowledge dimensions were found across the four experimental groups. The results also demonstrated that the effect of frequency of occurrence varied based on the modalities of audio-visual input and the target word knowledge aspects.

In relation to the role of working memory, the findings indicated that individual differences in working memory capacity did not account for the variations in the vocabulary scores on the immediate and delayed post-tests. A number of pedagogical implications regarding the effects of the different modalities of audio-visual input on vocabulary learning and retention are presented. Table of Contents Table of Contents. i List of Tables.ix Table of Figures.

xv Research Thesis: Declaration of Authorship. xxi Chapter 1 Introduction .1 Background to the study .2 Motivation of the study.3 The purpose and research questions of the study.4 Structure of the thesis. 7 Chapter 2 Literature Review.1 To know a word .2 Receptive and productive vocabulary knowledge .3 Incidental and intentional learning .4 Previous research on L2 incidental vocabulary learning.1 The dual coding theory.2 The cognitive theory of multimedia learning.1 The multimedia principle.2 The redundancy principle .3 The multicomponent model of working memory.1 The distinction between working memory and short-term memory .2 Components of working memory .3 The phonological loop .5 The central executive .6 The implication of working memory in vocabulary learning .7 The role of working memory in learning through multiple modalities of input .4 The integrated (phonological/executive) model of working memory .3 Modalities of input.1 Review of previous empirical studies on different modalities of input .2 Critique of the previously described studies .3 Gaps in literature and the focus of the study. 61 Chapter 3 Methodology and research design.1 Objectives and research questions .4 Approach selected for this study .5 The participants and setting of the study .9 Procedures of the experiment .1 Spoken form recognition test .2 Spoken meaning recall test .3 Spoken meaning recognition test .12 Measures of working memory .1 Forward digit recall .2 Backward digit recall .4 The odd-one-out .13 Semi-structured interviews .14 Validity and reliability.1 Pilot study one.2 Pilot study two.

98 Chapter 4 Vocabulary findings.1 Section one: research question 1 .1 Differences in vocabulary scores on the pre-tests (between-groups comparison).2 Scores on the pre-tests and on the immediate-post-tests (within-subjects comparison).3 Summary of key findings .2 Section two: research question 2.1 Findings of the spoken form recognition immediate post-test .2 Findings of the spoken meaning recall immediate post-test.3 Findings of the spoken meaning recognition immediate post-test .4 Summary of key findings .3 Section three: research question 3 .1 Scores on the immediate post-tests and on the delayed post-tests (within- subjects comparison) .1 Findings of the spoken form recognition delayed post-test .2 Findings of the spoken meaning recall delayed post-test .3 Findings of the spoken meaning recognition delayed post-test .2 The differential effects of the different modalities of audio-visual input on long-term retention of the target words (between-groups comparison) .1 Findings of the spoken form recognition delayed post-test .2 Findings of the spoken meaning recall delayed post-test .3 Findings of the spoken meaning recognition delayed post-test .3 Summary of key findings.4 Section four: research question 4:.1 Findings of the spoken form recognition test .2 Findings of the spoken meaning recall test .3 Findings of the spoken meaning recognition tests .4 Summary of key findings:. 139 Chapter 5 Working memory findings .1 Section one: research question 5 .1 WM and incidental vocabulary short-term learning .2 WM and incidental vocabulary long-term retention .3 Summary of key findings: .2 Section two: research question 6 .1 WM and incidental vocabulary short-term learning .2 WM and incidental vocabulary long-term retention .3 Summary of key findings: .3 Section three: research question 7 .1 Individual performance data .2 WM and incidental vocabulary short-term learning .1 Verbal WM measures.2 Forward digit recall test .3 Backward digit recall test .4 Visual WM measures .5 Dot matrix test .6 The odd one out test.3 WM and incidental vocabulary long-term retention .1 Verbal WM measures.2 Forward digit recall test .3 Backward digit recall test .4 Visual WM measures .5 Dot matrix test.6 The odd one out test .4 Summary of key findings: .1 Section one: research question 1 .2 Section two: research question 2.3 Section three: research question 3 .4 Section four: research question 4 .5 Section five: research question 5 .6 Section six: research question 6 .7 Section seven: research question 7 .1 Summary of the findings .1 The differential effects of the four audio-visual input conditions, VAC, VA, CA, and A only, on L2 incidental vocabulary learning of spoken form, meaning recall, and meaning recognition (research questions, 1 & 2) .2 The differential effects of the four audio-visual input conditions, VAC, VA, CA, and A only, on incidental vocabulary long-term retention of spoken form, meaning recall, and meaning recognition (research question 3) .3 The effect of frequency of occurrence on incidental vocabulary learning (research question 4) .4 The relationship between WM and incidental vocabulary learning and retention and the interaction between WM and the four input modalities (research questions, 5-7).2 Overall contribution of the study .3 Implications for Saudi EFL context .4 Limitations and future directions. 205 List of References. 206 Vocabprofile analysis output.

220 Examples of treatment condition (VAC) computer screen. 221 Examples of Treatment condition (VA) computer screen. 223 Examples of Treatment condition (CA) computer screen. 225 Consent Form and Participant Information Sheet.

227 Non-words list adopted from Waring and Takaki (2003) (12 items). 231 Example of the Spoken Form Recognition Test Answer sheet (first 7 items) 232 Example of the Spoken Meaning Recall Test Answer sheet (first 7 items). 233 Example of the Spoken Meaning Recognition Test Answer sheet (first 7 items). 236 Welch ANOVA tests.

237 ANOVA results for the four WM measures and incidental vocabulary learning. 238 ANOVA results for the four WM measures and incidental vocabulary retention. 242 vi vii List of Tables Table 2. Different types of word knowledge.

Schematic representation of previous empirical studies examining incidental vocabulary learning through different modalities of audio-visual input. Number of subjects in each treatment group, completing the WM tests, and attending the interviews. Overview of the videos and the results of Vocabprofile analysis of the texts of the four videos .3 Target words, their number of repetitions, and their frequency lists. Target words and their frequency of occurrences in the materials.

The treatments of the study. Overview of the research procedures .7 Example of the scores on the spoken form recognition test before and after applying the cfg formula .8 An overview of the pilot studies. The number of participants involved in the first pilot study .1 The Kolmogorov-Smirnova normality test for the three vocabulary pre-tests.2 Kruskal-Wallis H tests for the three vocabulary pre-tests .3 Mean scores for the spoken form recognition test of the four treatment groups over pre-and-immediate-post-test administrations .4 Mean scores for the spoken meaning recall test of the four treatment groups over pre- and-immediate-post-test administrations .5 Mean scores for the spoken meaning recognition test of the four treatment groups over pre-and-immediate-post-test administrations. Tests of Normality.

Test of Homogeneity of Variances. A one-way ANOVA test for the spoken form recognition immediate post-test. Summarised data from the Games-Howell post-hoc test for the spoken form recognition test. A one-way ANOVA test for the spoken meaning recall immediate post-test.

Summarised data from the Games-Howell post-hoc test for the spoken meaning recall test. A one-way ANOVA test for the spoken meaning recognition immediate post-test117 Table 4. Summarised data from the Games-Howell post-hoc test for the spoken meaning recognition test. A Wilcoxon signed rank test for the spoken form recognition test.

A Wilcoxon signed rank test for the spoken meaning recall test. A Wilcoxon signed rank test for the spoken meaning recognition test. A Kruskal-Wallis H test for the spoken form delayed post-test. Mann-Whitney U post-hoc test for the spoken form recognition delayed post-test126 Table 4.

A Kruskal-Wallis H test for the spoken meaning recall delayed post-test. Mann-Whitney U post-hoc test for the spoken meaning recall delayed post-test 127 Table 4. A Kruskal-Wallis H test for the spoken meaning recognition delayed post-test. Mann-Whitney U post-hoc test for the spoken meaning recognition delayed post-test.

The mean scores of words of the three frequency groups answered correctly on the spoken form recognition immediate post-test by the four experimental groups. Mann-Whitney U tests for frequency of occurrence in the spoken form recognition immediate post-test. The mean scores of words of the three frequency groups answered correctly on the spoken meaning recall immediate post-test by the four experimental groups134 x Table 4. Mann-Whitney U tests for frequency of occurrence in the spoken meaning recall immediate post-test.

The mean scores of words of the three frequency groups answered correctly on the spoken meaning recognition immediate post-test by the four experimental groups .