Prospect for Cell Phones as Instructional Tools in the EFL Classroom: A Case Study of Jahangirnagar University, Bangladesh
Notice bibliographique
Résumé
AbstractThough mobile assisted language learning is an important issue in ELT in many countries, Bangladesh is far away from this method of learning. The present paper has focused on the mobile assisted language learning where the author has tried to explore the potential of cell phone usages as instructional tool in EFL classroom of Bangladesh. The researcher conducted a case study on Jahangirnagar University of Bangladesh. Some undergraduate EFL students participated in the study as subjects. To find out the benefits and challenges of using cell phones in the classroom, some SMS based class tests were conducted where the teachers sent mobile SMS to students as a means of instruction for teaching appropriate use of preposition and to find out the efficacy of SMS based class, a test was also taken via SMS and students also replied and students were given feedback through SMS. After that, students and teachers opinion regarding the cell phone usages; its benefits and inhibiting factors for the implementations in the EFL classroom are collected through students’ questionnaire, teacher interviews and classroom observation reports. The research results imply that cell phone has great potential as instructional tool despite some challenges that can be solved by the sincere attempts of the authority, teachers and by changing the ethical point of view that consider cell phones as mere a disturbing factor in the classroom. Some probable solutions for the challenges of using cell phone in the class are also presented. The study will be beneficial for educators of Bangladesh and many developing countries like Bangladesh. It will also be supportive for the EFL teachers and students who are always pursuing for more innovative way for teaching and learning English. Such studies are rare in Bangladesh, though some studies regarding m-learning are done by some researchers previously.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».