MétaCan
Menu
Retour à la cohorte
Enregistrement W2165848477 · doi:10.5539/elt.v6n10p57

Investigating Learning English Strategies and English Needs of Undergraduate Students at the National University of Laos

2013· article· en· W2165848477 sur OpenAlexvenueno aff
Thongma Souriyavongsa, Mohamad Jafre Zainol Abidin, Rany Sam, Ithayaraj Britto Aloysius

Notice bibliographique

RevueEnglish Language Teaching · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSyllabusPsychologyMathematics educationCurriculumNeeds analysisQuality (philosophy)VocabularyEnglish for specific purposesPedagogyMedical educationLinguistics

Résumé

récupéré en direct d'OpenAlex

This paper aims to investigate learning English strategies and the requirement of English needs of the undergraduate students at the National University of Laos (NUOL). The study employed a survey design which involved in administering questionnaires of rating scales, and adapting the items from (Barakat, 2010; Chengbin, 2008; Kathleen A, 2010; Patama, 2001; Richards, 2001), to measure learning English strategies and the needs of English skills from 160 Lao undergraduate students of NUOL. The findings of this study revealed that speaking skill was the most important skills that students needed to improve in their undergraduate program. All participants reported a medium frequency use of strategy on learning English. The most frequently used strategies involved in using vocabulary books and electronic dictionaries to remember new English words. Based on the research findings, the researchers provided some recommendations for course developers to be reconsidered and redesigned the curriculum and syllabus including the instructional materials, learning behaviours and learning strategies of the English courses in all faculties in order to enhance the quality of learning and teaching activities as well as to meet the learners’ needs and social demands for their prospective careers and country’s development.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,066
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0000,001
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 Opus0,015
Tête enseignante GPT0,235
Écart entre enseignants0,220 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207