Perceptions of students’ on the Use of WhatsApp in Teaching Methods of English as Second Language at the University of Namibia
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
Recently, electronic mobile devices have been widely used for attaining knowledge, asking questions and retrievinginformation. Mobile devices and their features have been in the glare of publicity for educational purposes. TheWhatsApp application instant messaging platform has become the most popular mobile device application regarded asone of the teaching and learning styles that facilitate collaborative learning as students are beaming with ownsmartphones.Nowadays, it is challenging to help students raise their interest in learning. Thus WhatsApp presents itself as one of theinventive teaching methods that can attract students and provide them with opportunities for further learning.WhatsApp increases helps students to work smarter and more effectively. This research investigates the students’perceptions towards using the WhatsApp application as a learning tool for Teaching Methods of English as SecondLanguage on a Bachelor’s degree programme at the University of Namibia. To achieve this, about 99 students in thesame cohort completed the self-administered questionnaires. The study revealed, amongst many, that WhatsApp canimpact negatively on the performance of tertiary students, especially those who do not own smartphones. Theplatform shows a variance on balancing online activities (WhatsApp) and academic preparation, and distractsstudents from completing their assignments and adhering to their private studies time table. However, students enjoyusing WhatsApp as a tool for learning and calls for institutions to offer internet amenities as a top urgency incontemporary instruction.
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 | 0,003 | 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 | 0,001 | 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 découle