School Performance, Cultural, Social and Personality Factors and Their Relationships with Majoring in Foreign and First Languages
Notice bibliographique
Résumé
This study reports the performance of 419 undergraduate and graduate students on three questionnaires addressing their biodata, social and cultural capitals and personality factors. The statistical analysis of the students’ diploma Grade Point Averages (GPAs) and monthly family income (MFI) showed that the GPAs and MFIs of students majoring in English as a foreign language were significantly higher than those majoring in Persian as a first/second language. Among the five personality factors, i.e., Neuroticism, Extroversion, Openness, Agreeableness and Conscientiousness, only the last revealed significant relationships with the eight social factors, i.e., Parental Consultation, Family-School Interaction, Family Support, Extracurricular Activities, Family Relationship, Parent-School Encouragement and Facility, Peer Interaction, and Religious Activities, for both English and Persian students. Conscientiousness, however, correlated significantly only with the GPAs of Persian students (r = .21, p <.01). Similar significant differences were found in the relationships among the GPAs and social factors underlying the social capitals of English and Persian students. Since the highest correlations obtained in the study belonged to different cultural, social and personality factors for English and Persian students, it is argued that learners approach a foreign language as a goal in itself whereas students of native languages employ them to achieve various objectives such as establishing interpersonal relationships through Extroversion and overcoming their Neuroticism through social interactions. The implications of the findings are discussed within the context of foreign language teaching and suggestions are made for future research.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».