Can I MOOC to Catch up? The Effects of Using an LMOOC as a Remedial Tool for EFL Students in Thailand
Notice bibliographique
Résumé
This study investigated the effects of supplementing a traditional EFL class with a grammar-focused LMOOC. It also investigated students’ attitudes to the LMOOC. Students taking a compulsory English course at a nursing college in Thailand were divided into two groups, a LMOOC group (n=33) and a non-LMOOC group (n=26). The LMOOC group engaged in a 4-week LMOOC as a supplement to their usual English classes. The non-LMOOC group continued with their usual English classes with no additional interventions. Final examination scores and gains since the midterm for the two groups were compared. Attitudes to the LMOOC were assessed using a questionnaire and interviews. Students in the LMOOC group experienced statistically significantly larger gains in grammar scores than the non-LMOOC group (M = 5.45, SD = 4.31, p < .001). Students reported very positive attitudes towards the LMOOC, in terms of enjoyment and perceived effectiveness. The estimated gains found in this small study were relatively modest, but our findings suggest that LMOOCs as a way to supplement in-class teaching may improve attainment and foster positive attitudes. Further controlled experiments to assess the wider applicability of our findings are needed.  
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».