Teacher Motivation Strategies, Student Perceptions, Student Motivation, and English Achievement
Notice bibliographique
Résumé
This study investigated language teaching strategies, as reported by teachers and students, and the effects of these strategies on students' motivation and English achievement. The participants consisted of 31 English as a foreign language (EFL) teachers and their students ( N = 694) in Catalonia, Spain. The teachers and students rated the frequency of use of 26 strategies in their classes. In addition, the students were tested on their attitudes, motivation, and language anxiety with the mini‐Attitude Motivation Test Battery (AMTB; Gardner & MacIntyre, 1993 ) and completed objective tests of English achievement. The results indicated that the teachers and students agreed on the relative frequency of some strategies but not on the frequency of other strategies and that, although the teachers' reported use of motivational and traditional strategies was not related to the students' English achievement, attitudes, motivation, or language anxiety, the students' perceptions of these strategies tended to be related to their attitudes and motivation at both the individual and class levels. In addition, when the students were the unit of analysis, there was a negative correlation between the students' ratings of the frequency of traditional strategy use and English achievement. Path analysis indicated that integrativeness, attitudes toward the learning situation, and instrumental orientation predicted the motivation to learn English and that motivation was a positive predictor of English achievement, whereas attitudes toward the learning situation and language anxiety were negative predictors of English achievement. Hierarchical linear modelling analysis confirmed these findings but indicated that the effects of strategies are much more complex than previously thought. Strategy use as reported by the teachers did not influence the regression coefficients for any of the predictors, but strategy use reported by students had a positive effect on the predictability of motivation on English achievement.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».