Adopting Social Networking Sites (SNSs) as Interactive Communities among English Foreign Language (EFL) Learners in Writing: Opportunities and Challenges
Notice bibliographique
Résumé
As most traditional classroom environments in English as Foreign Language (EFL) still restrict learners’ collaboration and interaction in college writing classes, today, the majority of EFL learners are accessing Social Networking Sites (SNSs) as online communities of practice (CoPs) for adopting informal collaborative learning as a way of practicing English beyond the classroom. This study aimed to investigate the opportunities and challenges of SNSs as learning environment in writing in English. The study was conducted among 24 active and regular EFL learners joining the Only for English Learning Facebook (FB) CoP – a group developed and maintained by a few instructors in English – for EFL learners coming from different EFL Arab countries. The data was collected from the learners’ interactional exchanges in the weekly posted writing activities as well as their responses to online open questions posted by the instructor. Based on the mixed analysis of the data, the quantity of the EFL learners’ participation in the writing activities highly increased in the second session. Moreover, the learners were motivated to generate ideas, write their paragraphs and scaffold each other in paragraph writing. The findings also revealed that the EFL participants perceived this CoP as an interactive learning environment that contributed to enhancing their writing by engaging in learner-learner and learner-instructor interaction, information sharing, communicating and socializing with friends and developing a sense of belonging. However, a few challenges faced by the participants in such an online CoP were identified by the participants, and therefore, some valuable assistive features are suggested to be involved in the FB CoP for achieving further EFL development in the future.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».