Self-directed Learning in Preparatory-year University Students: Comparing Successful and Less-successful English Language Learners
Notice bibliographique
Résumé
There is consensus among those involved in teaching English as a foreign language (EFL) in the Saudi educational context that students’ achievement in language learning is below expectations. Much research has been directed towards finding the reasons for low achievement amongst learners. However, very few studies have looked at parameters of learners’ agency and learners’ responsibility in the learning process. This study examines learners’ efforts at self-directed learning, measured with reference to a set of behavioral and metacognitive constructs. The primary objective is to diagnose efficiency problems in EFL learning and compare successful learners to those who fail to progress from one academic language level to the next. A secondary objective in this study is to find out if the General Aptitude Test (GAT) score is a predictor of success in language learning. The findings reveal significant differences between successful learners and less-successful learners in aggregate self-directedness scores. However, while the analysis of the component constructs shows statistically significant differences between successful and less-successful learners in the self-management and study time measures, differences in the self-monitoring and motivation measures were non-significant. The lack of significant differences between some of the measures is attributed to the relative baseline similarity of the two groups. Moreover, the GAT measure yielded a counter-intuitive result; namely that less-successful learners had higher GAT scores than the successful ones, though the difference wasn’t statistically significant. The study concludes with implications for further research; for example, calling for a larger scale investigation of self-directedness, as well as other meta-cognitive strategies, and the possible relationship of these to GAT scores. Academic coaching of self-directedness and self-regulation strategies for college students is recommended.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».