Mindsets Matter for Linguistic Minority Students: Growth Mindsets Foster Greater Perceived Proficiency, Especially for Newcomers
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
Abstract Growth language mindsets (i.e., beliefs that language ability can be improved) are found to sustain learners’ motivation and resilience in challenging situations. Considering that migrants who are speakers of languages other than the dominant ones often face challenging daily communications, we examined important but understudied questions of ‘how’ and ‘when’ growth language mindsets predict migrants’ language experiences, including language anxiety, language use, and perceived English proficiency. In 3 studies, we surveyed 2,163 foreign‐born university students in Canada who indicated English as their second language. We found that growth language mindsets positively predicted self‐assessed English proficiency, even 4 months after the initial assessment of mindsets. Answering ‘how,’ we found that migrants with stronger growth mindsets were less anxious, were more likely to use English, and reported higher proficiency, even after accounting for baseline proficiency. Concerning ‘when,’ we found that mindsets have significant and moderate association with language use, anxiety, and perceived proficiency for only more recently arrived students (who lived in the receiving country for less than 7 years). Although newly arrived migrants are more anxious about using English and less likely to use English, they are resilient when they envision growth in their new language. Growth mindsets may help English as a second language (ESL) students thrive in intercultural communication and succeed in language development.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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