A Descriptive Analysis of the Metacognitive Reading Strategies Employed by EFL College Students in Kuwait
Notice bibliographique
Résumé
The study measured the awareness and use of metacognitive reading strategies among English as a foreign language (EFL) students at a medical college in Kuwait. The college offers a four-year Bachelor of Science in Nursing (BSN) and a two-year Associate Degree in Nursing (ADN). Data collection involved distributing the Metacognitive Awareness of Reading Strategy Inventory (MARSI) online through Google Forms to a sample of 80 students (Mokhtari & Reichard, 2002). Data were analyzed for strategy use, variations in strategy use between the BSN and ADN students, and the most and the least frequently-used strategies by the participating students. Microsoft Excel software generated the means, percentages, rankings, and standard deviations of strategy use. Findings indicated that the participating students were overall highly aware of metacognitive reading strategies. Moreover, the results showed that while the participating students were high users of problem-solving and global strategies, they were medium users of support strategies. The results also indicated that years of studying English showed a possible impact on the variations in strategy use between the participating students at the BSN and ADN programs. Finally, the analysis revealed that while the most frequently-used strategies among the participants were problem-solving strategies followed by global strategies, the least frequently-used strategies were support strategies. Implications for pedagogy included the need for English teachers to first identify their students’ awareness of metacognitive reading strategies. Second, English teachers can implement evidence-based instruction to maximize the use of students’ metacognitive reading strategies.
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 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 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».