What Are the Learning Approaches Applied by Undergraduate Students in English Process Writing Based on Gender?
Notice bibliographique
Résumé
The purpose of this study is to determine gender differences and type of learning approaches among Universiti Utara Malaysia (UUM) undergraduate students in English writing performance. The study involved 241 (32.8% male & 67.2% female) undergraduate students of UUM who were taking the Process Writing course. This study uses a Two-Factor Study Process Questionnaire (R-SPQ-2F) by Biggs, Kember, and Leung (2001). This instrument assesses how students in higher learning institutions approach learning. In addition, data was also obtained from students’ overall performance in the Process Writing course. The overall score for the Process Writing course was 67.58% in which female scores were above the average score while the scores for males were below the average. Overall, the vast majority of UUM undergraduate students apply the surface approach compared to the deep approach. For the surface approach learning, more students chose the surface strategy when compared to the surface motive. For the deep learning strategy, most students chose the deep strategy compared to the deep motive. Very few students used a combination of both approaches. In the context of English language writing, students need to have an intrinsic interest in what is being discussed for their writing activities. An intrinsic interest will help to make learning meaningful as in the deep learning approach. However, the findings provide evidence that most female students who applied the surface approach managed to score well in their overall performance in Process Writing.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».