The Effects of Using MS Teams Mobile Application on Language Learners’ Motivation During and After the Covid-19 Pandemic
Notice bibliographique
Résumé
Motivation has long been recognized as a critical component of language learners' success. According to Self-Determination Theory (SDT), an autonomously motivated student is more likely to be engaged in a learning activity. As the learners' needs for autonomy, competence, and relatedness ought to be accommodated, these basic psychological needs of learners (BPNs) must be addressed to sustain autonomous motivation. Although there is a substantial number of literature that addresses the role of these three components in the context of mobile-assisted language learning (MALL) and their relationship to autonomous motivation (Kohnke, 2020; Alamer, 2021b; Kartal, 2019; Ali, 2019), the use of Microsoft Teams is almost never addressed. This study aimed to examine the relationship between the informal use of mobile apps by teachers, such as messaging applications, and their students' levels of motivation. This study involved one group of students divided into six sections with the same level of proficiency, who were enrolled in a foundation course in English at a private university in the United Arab Emirates (N = 344). The students were studied over a period of time (Phase 1 and Phase 2 groups of the same population). The analyses were carried out by the use of ANOVA with repeated measures and a t-test. Participants' autonomy and competence were found to have increased slightly as a result of the study. The study, however, failed to demonstrate any significant impacts on anxiety, self-confidence, engagement with language tasks, nor on actual achievement.
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 | 0,002 |
| 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 | 0,000 | 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 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 ».