Identifying College Students’ Multiple Intelligences to Enhance Motivation and Language Proficiency
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>While most research studies on the theory of multiple intelligences focused on the application of the multiple intelligences domains as separate components, this quasi-experimental research targeted the effect of multiple intelligences as integrated abilities for teaching and learning English at higher education. The purpose of this study was to examine the impact of students’ multiple intelligences profiles on their motivation and language proficiency. The quantitative data was collected from the students of the College of Languages and Translation at Al-Imam Mohammad Ibn Saud Islamic University in Saudi Arabia. The researchers prepared a Likert scale questionnaire to identify students’ multiple intelligences. The participants formed two groups from male and female students who studied English courses at level 3. The first group studied English in a traditional classroom where they relied on memorizing grammatical rules while the second group studied English after identifying their multiple intelligences profiles. Using the Statistical Package for the Social Sciences software (SPSS), data analysis results indicated that ineffective teaching strategies that depended on encouraging learners memorizing language rules hindered students from boosting their language proficiency. The analysis of the data also showed that when students became aware of their multiple intelligences profiles, they managed to enhance their motivation, which helped them improve their language skills. The recommendations of the current research provide creative ideas for using multiple intelligences at higher education, including a model for integrating multiple intelligences for teaching English. The current research is also a contribution in teaching English to college students since it is among only a few studies that have applied Gardner’s theory at higher education.</p>
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.
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) | 0,001 | 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 découle