MétaCan
Menu
Retour à la cohorte
Enregistrement W4213293138 · doi:10.5539/ijel.v12n2p60

EFL Students’ Perceptions of Google Docs as an Interactive Tool for Learning Writing

2022· article· en· W4213293138 sur OpenAlexvenueno aff
Khaled Aldossary

Notice bibliographique

RevueInternational Journal of English Linguistics · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesKing Saud University
Mots-clésPerceptionPsychologyEnglish as a foreign languageConstructiveCollaborative writingMathematics educationMedical educationComputer scienceMedicineProcess (computing)

Résumé

récupéré en direct d'OpenAlex

The present study aimed to explore the perceptions of Saudi tertiary-level students toward using Google Docs as a learning tool in English as a foreign language (EFL) writing classes. Adopting a quantitative approach, 164 Saudi EFL students studying writing at three different academic levels completed a questionnaire about their perceptions of utilizing Google Docs as an alternative learning platform to learn writing and interact with teachers and peers. The findings showed that the participants perceived Google Docs useful and interesting. They also indicated that Google Docs could establish a collaborative learning environment. Their use enhanced student-teacher and student-student interactions, improved students’ overall writing skills, and encouraged constructive peer-to-peer discussions. The study suggests that Google Docs plays a significant role in promoting learners’ motivation and involvement in learning second language writing. It concludes with some limitations and provides recommendations for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,094
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,094
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,415
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207