Effects of Integrating Movie-Based Mobile Learning Instruction for Enhancing Thai University Students’ Speaking Skills and Intercultural Communicative Competence
Notice bibliographique
Résumé
This research aimed to: 1) investigate the effects of Movie-Based Mobile Learning (MBML) instruction in enhancing Thai EFL university students’ speaking skills; 2) investigate effects of Movie-Based Mobile Learning instruction in enhancing Thai EFL university students’ intercultural communicative competence (ICC); and 3) examine the students’ attitude towards integrating Movie-Based Mobile Learning instruction for enhancing students’ speaking skills and intercultural communicative competence. This study employed a mixed-methods approach and a quasi-experimental study with a non-equivalent pretest-posttest control group design. The participants were the first year university students learning General English in the Faculty of Nursing at a private university in Bangkok. The students in the experimental group were taught through Movie-Based Mobile Learning instruction while the control group was taught following the university-based instruction. Research instruments consisted of MBML instruction with teaching materials, speaking test, the Intercultural Communicative Competence Questionnaire, Technology Acceptance Model (TAM) questionnaire, and the interview. The results revealed that Movie-Based Mobile Learning instruction developed Thai university students’ English speaking skills and Intercultural Communicative Competence, and that the students had positive attitude towards the implementing of MBML instruction in their English classroom. The findings implied that MBML instruction is effective in enhancing EFL students’ speaking skills and intercultural communicative competence. The study suggests that relevant English language education should emphasize the potential of using the English movies and Mobile Learning in EFL curricula and that MBML instruction can be applied to promote learning in other similar EFL contexts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».