Effects of English Language Proficiency on the Choice of Language Learning Strategies by Saudi English-major Undergraduates
Notice bibliographique
Résumé
It is reported that language learning is a creative and dynamic process and the learners are active partners in this process. This trend in language teaching motivated the researchers to investigate the learners' individual differences and the identification of language learning strategies (LLS) has become a major area of interest in this regard because it is suggested that language learners consciously or unconsciously employ different LLS. This research study investigated LLS used by Saudi English-major undergraduates by using SILL version7. Paired Samples t-test was applied to see if significant differences exist as a result of their GPA differences. The informants of this study were 240 English-major undergraduates (low GPA, 106 & high GPA, 134) enrolled at foreign languages department Taif university. Results reported that the participants with high English language proficiency use language learning strategies more frequently. The participants ranked the metacognitive strategies the highest as compared to other LLS followed by social and cognitive LLS respectively. Among the remaining three categories of LLS, compensation and affective strategies showed mixed preferences but memory strategies were assigned the least mean values by both sample groups. Considering the fact that frequency of LLS usage and English language proficiency are positively linked to each other, it is concluded that it seems necessary to teach language learning strategies explicitly so that even the weaker students should be able to enhance English language proficiency by exploiting a wide range of suitable strategies that are appropriate to different classroom activities and learners' L2 experience.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».