Using Team Building-based Instruction to Foster EFL Learners’ Motivation under the Context of Education 4.0
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
Under the context of Education 4.0, motivation for language learning takes on a range of meanings and implications that are inextricably bound up with more socially meaningful contexts. Hence, the quality of motivation matters. It is imperative that EFL education make adjustments to strengthen learners’ motivation to achieve the desired learning outcomes and develop skills required in Education 4.0 era. Drawing on interdisciplinary knowledge of applied linguistics and organizational behavioral science, the current research explored the effects of team building-based instruction on EFL students’ motivation. The participants of the study were 84 undergraduate EFL learners at a Chinese university. Questionnaire and open-ended questions were employed to collect data. The results showed that, on average, participants reported high mean values for each of the motivation components, indicating that team building-based instruction played a positive role in motivating most students in the course. Nonetheless, students’ responses towards the components vary significantly, especially for the ‘interest’ scale and ‘usefulness’ scale. Several motivating factors that led to students’ motivation to engage in the course were identified: group dynamics, project design, technology, and assessment. The research concluded that team building-based instruction should take both linguistic factors and non-linguistic factors into consideration to fully motivate and engage students. In the end, the researcher proposed implications for motivational pedagogy and practices.
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 | 0,000 | 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 découle