Attitudes and Usage of MALL Among Saudi University EFL Students
Notice bibliographique
Résumé
Possessing distinctive features of mobility, portability, and connectivity, mobile technology has inevitably become an integrated part of everyday instructional practices and activities. Foreign language learning, especially English language, could gain substantial benefits from these advances in technology to enhance learning experiences and respond to learners’ various needs and interests. There is a far-reaching investment in mobile learning projects at many Saudi Arabian universities including King Abdul Aziz University and Imam Mohammad Ibn Saud Islamic University. Moreover, the Ministry of Higher Education has a long-term plan known as “The Afaq Project” which is examining the current and future challenges for implementing online learning in all universities. Hence, the current study aims to examine students’ attitudes towards and their usage of smart phones when learning English as a foreign language. A questionnaire was designed and distributed among first year university students at the Northern Border University in Saudi Arabia. It included 25 items, each with varies in responses. A systematic sampling approach was adopted to choose the participants for this study.The duration of administering the questionnaire was from November 2017 to December 2017 and it was applied to 205 students.The Statistical Package for the Social Sciences (SPSS) program was used for data analysis of the questionnaire responses.The final data were used to test the hypothesis of the research using the Chi-Squared method applied to a frequency table.Results revealed that students have positive attitudes towards using mobiles phones and that they were very interested in learning English by using technology.
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 | 0,000 | 0,013 |
| 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 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 ».