Yabancı Dil Olarak İngilizce Dinleme Anlama için Mobil Sesli Kitaplar: Üniversite Öğrencileri için Bir Çerçeve

1. Giriş

Bu makale, Yabancı Dil Olarak İngilizce (EFL) öğrenen üniversite öğrencilerinin dinleme anlama becerilerini geliştirmek için Mobil Sesli Kitapların (MAB) entegrasyonuna yönelik yapılandırılmış bir çerçeve önermektedir. Podcast'ler, MP3 dersleri ve ses kasetleri gibi dil öğretiminde çeşitli ses teknolojilerinin tarihsel kullanımı üzerine inşa edilmiş olup, MAB'ları erişilebilir, mobil uyumlu dinleme kaynaklarının bir sonraki evrimi olarak konumlandırmaktadır. Uygulama mağazaları aracılığıyla sesli kitapların yaygınlaşması, öğrencilerin cihazlarına doğrudan benzeri görülmemiş miktarda otantik ve seviyelendirilmiş dinleme materyali sağlamaktadır.

2. Mobil Sesli Kitapların (MAB) Avantajları

MAB'lar belirgin pedagojik ve pratik avantajlar sunar:

• Erişilebilirlik ve Taşınabilirlik: Akıllı telefonlar aracılığıyla isteğe bağlı olarak mevcuttur, her zaman ve her yerde öğrenmeyi mümkün kılar.
• Otantik Girdi: Profesyonel anlatım, çeşitli aksanlar, tonlama ve doğal konuşma hızına maruz kalma sağlar.
• İskele Desteği: Genellikle sesin senkronize metinle birleştirildiği formatlarda mevcuttur, anlamayı kolaylaştırır.
• Motivasyonel: İlgi çekici anlatı içeriği, öğrenen motivasyonunu ve görevde geçirilen süreyi artırabilir.
• Farklılaştırma: Dinleme sürecinden metni çözümleyerek, zorlanan okuyucular da dahil olmak üzere farklı yeterlilik seviyelerindeki öğrenenler için uygundur.

3. MAB Kaynakları ve Seçimi

Etkili entegrasyon için kritik bir adım, uygun MAB kaynaklarının küratörlüğüdür.

4. Beceri Geliştirme Çerçevesi

MAB'lar çift yönlü bir beceri seti geliştirmek için kullanılabilir.

5. Pedagojik Uygulama

6. Değerlendirme, Ölçme ve Öğrenci Algıları

Çerçeve, hem biçimlendirici hem de özetleyici değerlendirme ihtiyacını vurgulamaktadır. Biçimlendirici değerlendirme, aşamalar sırasındaki görev performansı aracılığıyla gerçekleşebilir. Özetleyici değerlendirme, MAB içeriğine dayalı dinleme testlerini veya proje çalışmalarını içerebilir. Kritik olarak, makale, öğrencilerin dinleme becerilerindeki gelişim ve dinleme pratiğine yönelik tutumları üzerinde MAB'ların algılanan olumlu etkisini vurgulamakta, artan katılım ve öz-yeterliliğe dikkat çekmektedir.

7. Etkin Kullanım için Öneriler

• MAB'ları müfredata sistematik olarak entegre edin, izole bir ek olarak değil.
• Kapsamlı dinleme için MAB'ları bağımsız olarak nasıl seçecekleri ve kullanacakları konusunda net rehberlik sağlayın.
• MAB kullanımını sınıfta işbirlikçi ve iletişimsel görevlerle birleştirin.
• Farklılaştırılmış öğretim için teknoloji özelliklerinden (hız kontrolü, yer imleri) yararlanın.
• MAB seçimini ve görev tasarımını iyileştirmek için sürekli olarak öğrenci geri bildirimi toplayın.

8. Temel Analiz ve Uzman Görüşleri

Temel İçgörü: Al-Jarf'ın çalışması, daha çok çığır açan bir keşiften ziyade, akıllı telefon çağı için yerleşik Bilgisayar Destekli Dil Öğrenimi (CALL) ilkelerinin zamanında ve sistematik bir şekilde yeniden paketlenmesidir. Gerçek değeri, küratörlüğü yapılmamış dijital içerik denizinde boğulan eğitimciler için umutsuzca ihtiyaç duyulan pratik bir çerçeve sağlamasındadır. Bu, MAB'ların işe yaradığını kanıtlamakla ilgili değildir—Golonka vd. (2014) tarafından "Language Learning & Technology" dergisinde yayınlanan meta-analizler gibi çalışmalar, teknolojiyle geliştirilmiş girdinin etkinliğini uzun süredir doğrulamıştır—bu, çoğu CALL araştırmasının eksik olduğu uygulama için "nasıl yapılır" kılavuzunu sağlamakla ilgilidir.

Mantıksal Akış: Makale, mantıksal olarak gerekçelendirmeden (avantajlar, literatür) lojistiğe (kaynak bulma, seçim), oradan pedagojiye (beceriler, aşamalar, görevler) ve nihayetinde doğrulamaya (değerlendirme, algılar) ilerlemektedir. Bu, öğretim tasarımı sürecini (Analiz, Tasarım, Geliştirme, Uygulama, Değerlendirme) yansıtmakta ve müfredat geliştiricileri için doğrudan uygulanabilir hale getirmektedir.

Güçlü ve Zayıf Yönler: En büyük gücü, kapsamlılığı ve pratikliğidir—öğretmenin acil sorusunu yanıtlar: "Nereden başlamalıyım?" Ancak, kritik zayıflığı, "etki" ile ilgili merkezi iddialarını destekleyecek orijinal, titiz deneysel verilerin eksikliğidir. Öğrenci algılarına atıfta bulunur ki bu katılım ölçütleri için değerlidir, ancak kontrollü ön/son test sonuçları veya diğer yöntemlere karşı karşılaştırmalı çalışmalar (örn., geleneksel sınıf içi dinleme vs. MAB destekli) sağlamada yetersiz kalır. Algı verilerine ve anekdot kanıtlara dayanması, eğitimsel veri madenciliği gibi alanlarda görülen sağlam deneysel tasarımlar veya makine öğrenimi makalelerinde yaygın olan kesin ablasyon çalışmaları (örn., CycleGAN makalesinde Zhu vd. her bir kayıp fonksiyonunun katkısını net bir şekilde izole eder) ile karşılaştırıldığında, kanıta dayalı kurumlar için ikna ediciliğini zayıflatır.

Uygulanabilir İçgörüler: Yöneticiler ve eğitimciler için çıkarım açıktır: Mobil kaynakları kullanıp kullanmamayı tartışmayı bırakın ve iskeleyi inşa etmeye başlayın. Seviyelendirilmiş MAB çalma listeleri oluşturmaya yatırım yapın. Öğretmenleri aşamalı model (Ön/Sırası/Sonrası) konusunda eğitin. En önemlisi, uygulamanızı enstrümantasyonla donatın. Çerçeveyi kullanın, ancak bunu uygun öğrenme analitiği ile eşleştirin—görevde geçirilen süreyi, anlama testi puanlarını ve öz-bildirime dayalı güven seviyelerini izleyerek kendi yerelleştirilmiş etkinlik verilerinizi oluşturun. Bu makaleyi nihai kanıt olarak değil, bir taslak olarak ele alın.

9. Teknik Çerçeve ve Deneysel Bakış

Makale pedagojik olsa da, teknik bir uygulama hayal edilebilir. Seçim kriterleri, çok amaçlı bir optimizasyon problemi olarak modellenebilir. $Q$, maksimize etmeyi amaçladığımız bir sesli kitap $a$'nın genel kalite puanını temsil etsin. Bu, özellik puanlarının ağırlıklı bir toplamı olabilir:

$Q(a) = w_1 \cdot L(a) + w_2 \cdot I(a) + w_3 \cdot N(a) + w_4 \cdot T(a)$

Burada:

• $L(a)$: Dil seviyesi puanı (hedef CEFR seviyesiyle eşleşme).
• $I(a)$: İlgi/alakalılık puanı (öğrenen profil verilerinden).
• $N(a)$: Anlatım kalitesi puanı (kullanıcı derecelendirmelerinden türetilebilir).
• $T(a)$: Teknik özellik puanı.
• $w_i$: Eğitmen tarafından atanan veya geri bildirim yoluyla öğrenilen ağırlıklar.

Varsayımsal Deneysel Tasarım ve Grafik: Sağlam bir çalışma, ön test/son test kontrol grubu tasarımı kullanacaktır. Kontrol Grubu standart dinleme öğretimi alır. Deney Grubu önerilen çerçeveyi kullanarak küratörlü MAB'larla desteklenir. Birincil bağımlı değişken, standart bir testteki (örn., TOEFL dinleme bölümü) dinleme anlama puanıdır.

Grafik Açıklaması (Varsayımsal Sonuç): "MAB Entegrasyonunun Dinleme Anlama Puanları Üzerindeki Etkisi" başlıklı gruplandırılmış bir çubuk grafik. X ekseninde iki grup vardır: "Ön Test" ve "Son Test". Her grup iki çubuk içerir: "Kontrol Grubu" (düz renk) ve "MAB Deney Grubu" (desenli dolgu). Y ekseni ortalama test puanını (0-30) gösterir. Beklenen ana sonuç: Her iki grubun çubukları "Ön Test"te benzerdir. "Son Test"te, "Kontrol Grubu" çubuğu mütevazı bir artış gösterirken, "MAB Deney Grubu" çubuğu önemli ölçüde daha büyük bir artış gösterir, böylece MAB çerçevesinin ek faydası görsel olarak gösterilir. Hata çubukları istatistiksel anlamlılığı gösterir.

Analiz Çerçevesi Örneği (Kod Dışı): Bir eğitmen, bir ders için bir "MAB Uygulama Panosu" oluşturur. İçerir: (1) Seçilen MAB'ları listeleyen, Başlık, CEFR Seviyesi, Tür, Temel Kelime Temaları ve Bağlantılı Görevler sütunlarına sahip bir Kaynak Matrisi. (2) Her bir MAB görevinin hangi spesifik dinleme alt becerilerini (örn., çıkarım yapma, ayrıntı çıkarma) hedeflediğini gösteren bir Beceri Eşleme Tablosu. (3) Öğrencilerin harcanan süreyi, MAB başlığını, tamamlanan görevi ve zorluk ve öğrenme üzerine kısa bir öz-yansıtmayı kaydettiği bir Öğrenen Günlüğü şablonu. Bu pano, makalenin çerçevesini izleme ve ayarlama için yönetilebilir bir sisteme dönüştürür.

10. Gelecekteki Uygulamalar ve Yönelimler

Bu çerçevenin işaret ettiği yörünge, birkaç umut verici yöne yol açar:

• Yapay Zeka Destekli Kişiselleştirme: Bir öğrenenin gerçek zamanlı anlama performansına, sözcük boşluklarına ve ilgi alanlarına dayanarak MAB'ları önermek için yapay zeka kullanan uyarlanabilir öğrenme platformlarıyla entegrasyon, statik çalma listelerinin ötesine geçerek.
• Sürükleyici ve Etkileşimli Sesli Kitaplar: Ses tanıma ve mekansal ses teknolojilerinden yararlanarak, öğrenenlerin anlatıcının sorularına yanıt verebildiği veya hikaye dallarını keşfedebildiği etkileşimli dinleme deneyimleri yaratmak, MAB'ları oyun tabanlı öğrenme ilkeleriyle harmanlayarak.
• Veriye Dayalı Küratörlük ve Araştırma: MAB uygulamalarından gelen öğrenme analitiği verilerini (duraklatma sıklığı, tekrar döngüleri, hız ayarları) dinleme zorluğu ve katılım için vekil göstergeler olarak kullanmak, otomatik zorluk puanlamasını bilgilendirmek ve dinleme süreçleri araştırması için zengin veri setleri sağlamak.
• Çok Modlu Öğrenme Analitiği (MMLA) ile Entegrasyon: Ses oynatma verilerini göz takibi (metin kullanılıyorsa) ve fizyolojik sensörlerle birleştirerek dinleme anlama sürecinin bütünsel bir modelini oluşturmak, bilişsel aşırı yüklenme veya kafa karışıklığı anlarını belirlemek.
• Üretken Becerilere Odaklanma: Çerçeveyi, telaffuz, tonlama ve hikaye anlatımı için modeller olarak MAB'ları kullanacak şekilde genişletmek, öğrenci tarafından oluşturulan sesli anlatılar veya podcast'ler gibi çıktı görevlerine yol açarak.

11. Kaynakça

1. Al-Jarf, R. (2021). Mobile audiobooks, listening comprehension and EFL college students. International Journal of Research - GRANTHAALAYAH, 9(4), 410-423.
2. Golonka, E. M., Bowles, A. R., Frank, V. M., Richardson, D. L., & Freynik, S. (2014). Technologies for foreign language learning: A review of technology types and their effectiveness. Computer Assisted Language Learning, 27(1), 70-105.
3. 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 (pp. 2223-2232).
4. Chang, A. C., & Millett, S. (2016). Developing L2 listening fluency through extended listening-focused activities in an extensive listening programme. RELC Journal, 47(3), 349-362.
5. Abdulrahman, T., Basalama, N., & Widodo, M. R. (2018). The impact of podcasts on EFL students' listening comprehension. International Journal of Language Education, 2(2), 23-33.