Factors Affecting Technology Integration in EFL Classrooms: The Case of Kuwaiti Government Primary Schools
Notice bibliographique
Résumé
Previous Computer Assisted Language Learning (CALL) research has shown that technology is beneficial for promoting language learning, but some teachers neither use technology as an assisted tool nor integrate it into their language classrooms. It has also been argued that the integration of technology has been unsuccessful in Kuwait. This study aims to explore the factors influencing teachers’ use of technology in English as a foreign language (EFL) classroom in Kuwaiti government primary schools. More specifically, it aims to highlight factors promoting and hindering EFL teachers’ use of technology. For the purpose of this study, 55 questionnaire responses were collected from different primary school teachers in Kuwait, followed up with 15 semi-structured interviews. The study findings show that Kuwaiti primary school EFL teachers who participated in the current study demonstrated positive attitudes towards using technology and acknowledged the implementation of some cutting-edge technologies in their classrooms. Enhancing students’ language learning, innovation and school support were the main factors that encouraged the participating teachers to use technology. Other factors hindered the use of technology; particularly those related to lack of parental support, personal expenses and health problems, teachers’ lack of skills and training, poor classroom infrastructure, and time constraints/workload. The findings also reveal that the lack of professional development training workshops provided by the Ministry of Education led the Kuwaiti teachers to rely more on informal training in which they worked and learnt together with their colleagues in small sub-groups to improve their use of technology. The study findings have implications for policymakers and other stakeholders intending to integrate technology in Kuwaiti primary schools.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».