EFL Learners’ Perceptions Regarding the Use of Busuu Application in Language Learning: Evaluating the Technology Acceptance Model (TAM)
Notice bibliographique
Résumé
After the exceptional circumstances the whole world has experienced due to the COVID-19 pandemic, students have become digital natives who seek learning that overcomes the barriers of place and time. This mixed-methods study aimed at investigating EFL learners' perceptions regarding the application of Busuu in language learning, by applying the Technology Acceptance Model (TAM). The participants were 58 first secondary stage students in a Saudi private school. An online survey and a semi-structured interview were used to collect data. The results revealed that EFL learners have a positive attitude towards Mobile Assisted Language Learning (MALL).  Additionally, according to the TAM, the participants found the language application Busuu useful and easy to use. They also thought of Busuu as a valuable resource for language learning, which increases their motivation to be autonomous learners. However, in addition to the TAM components, the results also showed that affordance and joyfulness could be strong indicators of learners' acceptance of a particular technology.  Moreover, the results revealed that mobile applications might be more helpful for beginner learners than advanced ones. On the other hand, the findings also showed that Busuu might distract learners from doing their homework. Besides, the regular use of Busuu might be harmful to their eyes due to the small mobile screen size. For further research, the recommendation includes a large sample size in addition to a long-term study of EFL learners' perception towards Busuu in normal classroom circumstances. 
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 | 0,004 | 0,022 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».