English For Science and Technology (EST): Learning and Teaching Strategies for High School Students in Malaysia
Notice bibliographique
Résumé
Programme for International Students Assessment (PISA) 2015 which highlighted Global Rating on Education Quality reported that Malaysia was ranked in the 52nd placing out of 72 countries in assessing students’ ability in Science and Mathematics using English language (OED, 2016). This implies that Malaysian students need to improve further on science and technology development. Therefore, this study looked into the learning strategies and problems students face in learning English for Science and Technology (EST) subject and the teaching strategies employed by the teachers. A total of 150 Form Four students from three selected schools were taken as samples for this study. Data was collected using questionnaires. The researchers conducted a structured interview with 27 students from three schools (in Kedah, Selangor and Negeri Sembilan). In order to triangulate the data, the researchers also carried out a classroom observation on the Form Four classes from each of the three states and analysed 30 sample scripts of EST report writing to look at the types of language problems made by students. The study applied a mixed method of quantitative and qualitative. Findings from the 150 students’ Likert-scale questionnaires were analysed using a One-Sample T-Test. The responses from the 27 students’ interviews were transcribed and analysed using content analysis. The observations carried out in the selected Form Four classes were transcribed in a narrative written report. Overall, the study depicts that the majority of the students face language problems in learning EST. Students were found to be lacking in applying appropriate learning strategies, and teachers still control EST classrooms. Through the findings, this study suggests that a comprehensive and effective learning and teaching strategy, also known as CALLA (Cognitive and Academic Language Learning Approach), will help students elevate their comprehension and application to understand scientific knowledge in a second language effectively.
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 | 0,011 | 0,256 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».