Social media in language learning: a mixed-methods investigation of students’ perceptions
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 literature on students’ perceptions towards using Social Media (SM) for language learning reports mixed findings: while some studies indicate learners’ positive perceptions of their use for academic purposes (e.g., Bani-Hani et al.), others suggest that learners’ perceptions might vary due to their proficiency in the language (e.g., Gamble & Wilkins). There is also evidence that students’ do not always wish to share their SM environments for educational purposes). This study investigates students’ attitudes towards the use of four popular SMs (WhatsApp, Snapchat, Instagram and Twitter) in learning English as a foreign language.Ninety-nine adult English learners at a university in Saudi Arabia, active users of SM, participated in this mixed-methods study, which consisted of individual surveys and interviews. A two-way analysis of variance revealed that there are differences between beginner and advanced students in their perceptions of the usefulness of SM applications for language learning, but not in their affective feelings towards SM use outside the classroom, nor their choice of SM application for learning. Frequency counts indicated that the groups’ choices of SM varied according to different language purposes and the skills to be learned (e.g., they preferred WhatsApp for communication with family and friends, Twitter for reading, and Snapchat for learning aural skills). Further qualitative analysis revealed that advanced learners were more reluctant to using SM for academic purposes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| 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