MétaCan
Menu
Retour à la cohorte
Enregistrement W2898232405 · doi:10.5539/ass.v14n11p1

Anxiety, Motivation and Attitude of Indian Students in Learning English in National-Type Tamil Schools

2018· article· en· W2898232405 sur OpenAlexvenueno aff
Sinusha A.P. Murthy, Kee Jiar Yeo

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTamilPsychologyAnxietyEnglish languageSocioeconomic statusNeed for achievementPositive attitudeMathematics educationSocial psychologyMedical educationDevelopmental psychologyDemographySociologyPopulationLinguisticsMedicine

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine the students’ anxiety, motivation and attitude in learning English based on their socioeconomic status and English language achievement in National-type Tamil schools. Samples for this study comprised of 144 year 5 Indian students from four Tamil schools. Data for this study were collected by questionnaire adapted from instruments by Tsai & Chang (2013), Ghazvini & Khajehpour (2011) and Gaur (1985). The findings of this study showed that Indian students from urban and rural areas have a moderate level of anxiety in learning English. Students from both areas were instrumentally motivated and showed positive attitudes towards learning English. However, negative correlations were identified between English Language achievement and level of motivation in learning English as well as between daily spoken languages at home and with friends and the level of English language achievement. The result of this study also illustrated that level of motivation and attitude are positively correlated. In conclusion, the samples of this study showed high levels of anxiety as well as motivation and attitude in learning English. It is recommended that future research take more samples and include qualitative data to increase the reliability of the study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,384
Écart entre enseignants0,350 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetEmotional Intelligence and PerformanceTravaux en français237 207