Metacognitive Reading Strategies, Motivation, and Reading Comprehension Performance of Saudi EFL Students
Notice bibliographique
Résumé
Metacognitive reading strategies and reading motivation play a significant role in enhancing reading comprehension. In an attempt to prove the foregoing claim in a context where there is no strong culture for reading, this study tries to find out if there is indeed a relationship between and among metacognitive reading strategies, reading motivation, and reading comprehension performance. Prior to finding out relationships, the study tried to ascertain the level of awareness and use of metacognitive reading strategies of the respondents when they read English academic texts, their level of motivation and reading interests, and their overall reading performance. Using descriptive survey and descriptive correlational methods with 60 randomly selected Saudi college-level EFL students in an all-male government-owned industrial college in Saudi Arabia, the study found out that the respondents moderately use the different metacognitive reading strategies when reading academic texts. Of the three categories of metacognitive reading strategies, the Problem-Solving Strategies (PROB) is the most frequently used. It was also revealed that the respondents have high motivation to read. They particularly prefer to read humor/comic books. On the level of reading comprehension performance, the respondents performed below average. Using t-test, the study reveals that there is no correlation between metacognitive reading strategies and reading comprehension. There is also no correlation between reading interest/motivation and reading comprehension. However, there is positive correlation between reading strategies and reading motivation. The findings of this study interestingly contradict previous findings of most studies, thus invites more thorough investigation along the same line of inquiry.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».