The Effect of CALL on Iranian Beginner EFL Learners’ Grammar Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Using computer programs has recently caused language teaching and learning to undergo influential changes. Computer proved to be an instrument for those who are willing to learn a foreign language. It should be pointed out that CALL programs certainly have helped to educators to develop different types of learning which is based upon these technologies. Computer-Assisted Language Learning (CALL) is among those programs, which has caused this great change. The present study had a quasiexperimental design and involved quantitative data collection procedures. Participants were males and were selected from second grade students of a guidance school in Guilan. The purpose of the present research was to investigate the effect of CALL on improving beginner EFLs' grammar learning. To this aim, a multiple-choice test of grammar namely KET, of which the reliability was 0.79, was administered to 127 EFL beginners out of whom sixty-four of the students were selected as homogeneous and randomly divided into two groups of thirty-two participants. Assigned groups were the control group that were taught with traditional grammar learning methods and an experimental group who underwent the CALL instruction. The results of the study through a posttest revealed that the experimental group outperformed the control group. Therefore, CALL appeared to be useful in developing English grammar of the EFL students. The researcher concluded that integrating technology to curriculum is beneficial for beginners and that the application of computer and its related technologies can facilitate grammar learning both inside and outside the classroom.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle