The Effects of Task-based Instruction Using a Digital Game in a Flipped Learning Environment on English Oral Communication Ability of Thai Undergraduate Nursing Students
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
The growth of Thailand’s medical tourism industry has inevitably made English oral communication skills become increasingly important to Thai medical personnel, especially to nurses who have to act as medical mediators between doctors and patients. Thus, in order to prepare nursing students for their future career, it is necessary that English teachers find a way to help students improve their oral communication ability. Thus, in this study, as a means to overcome the students’ difficulties in learning English and to enhance their English oral communication ability, the task-based instruction using a digital game in a flipped learning environment (TGF) was developed by integrating three language learning approaches, namely task-based language teaching, flipped learning, and digital game-based language learning. The development of the instructional framework for the TGF was described first. Then, to investigate its effectiveness in improving the students’ oral communication ability, an experimental study, using a one-group pretest posttest design, was conducted with 23 second-year nursing students at a private university in Thailand for 11 weeks. The effects of the TGF on the students’ oral communication ability were assessed by the participants’ pre- and post-test. The finding revealed that the participants’ average post-test score was statistically significantly higher than their average pre-test score (p < 0.05), indicating that the TGF was successful in enhancing the students’ oral communication ability. Lastly, the factors contributing to this success were discussed.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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