When Students Can Choose: Online Self-Study or In-College Learning of English for Academic Purposes
Notice bibliographique
Résumé
This study aimed to better understand what motivations drive students to select a self-study massive open online course (MOOC) or an in-college course with an instructor. The students were enrolled in one of three level courses of English for Academic Purposes (EAP), which was an accredited course required for the completion of their Bachelor's Degree, at three teacher education colleges in Israel. The study applied a mainly quantitative data collection method, with a qualitative component. The researchers distributed a survey to 236 students studying in one of the two conditions. They compared survey results between the two groups to examine student background, motivations, and perceptions in relation to choice of preferred learning style. Findings indicated that demographic factors had little effect on the students’ choice. In terms of student motivations, while some differences were found between the two groups in learning preferences, the greatest motivations for selecting a MOOC were extrinsic, with more students driven by financial and time constraints rather than a preference for autonomous learning. The perceptions of students who chose a MOOC indicated low learner readiness to study independently and, as such, a higher risk of not passing the required course. Despite claims that MOOCs represent the democratization of education – providing access to all, regardless of age, gender, financial resources, or other barriers, our findings reveal inequality between students learning English for Academic Purposes in higher education based primarily on financial resources.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 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 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 ».