MétaCan
Menu
Retour à la cohorte
Enregistrement W2086122290 · doi:10.5539/elt.v6n5p141

The Effects of Blended Learning on the Intrinsic Motivation of Thai EFL Students

2013· article· en· W2086122290 sur OpenAlexvenueno aff
Usaporn Sucaromana

Notice bibliographique

RevueEnglish Language Teaching · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlended learningPsychologyMathematics educationBachelorClass (philosophy)Cooperative learningSubject (documents)Face-to-faceEducational technologyPedagogyTeaching methodComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to compare the results of blended learning with face-to-face learning among university students studying English as a foreign language. The participants were separated by gender, and the following variables, intrinsic motivation for learning English, attitudes towards English as a subject, and satisfaction with the learning climate, which was either a blended learning environment or a face-to-face learning environment, were analysed. The participants of this research are bachelor’s degree students enrolled in English courses. The two class samples were drawn at random. The first class was the control group, and the other was the experimental group. The experimental group was taught using blended learning, and the control group was taught using face-to-face learning. The results of the research did not differ by gender. The students had significantly higher levels of intrinsic motivation for learning English, a better attitude towards English as a subject, and better satisfaction with the learning climate after they were taught by blended learning. Finally, the students who were taught using blended learning had significantly higher levels of intrinsic motivation for learning English and a better attitude towards English as a subject, as well as greater satisfaction with the learning climate than the students who were taught using face-to-face learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,368
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,283
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetOnline and Blended LearningTravaux en français237 207