Unpacking Vietnamese EFL Learners’ Deployment of Reading Test-Taking Strategies for the New TOEIC Test Format
Notice bibliographique
Résumé
Test-taking strategy (TTS) plays a vital role in accomplishing the tests, and many types of tests require test-takers to use TTSs differently. TOEIC (Test of English for International Communication), one of the standardized tests, features two main parts, viz. listening and reading, requesting test-takers to deploy their TTSs intensively to accomplish the test effectively. Reading TTSs are of importance for test-takers in responding to the reading content. Nevertheless, test-takers in different learning ecologies utilize reading TTSs dissimilarly. Therefore, this study was to examine reading TTSs for the new TOEIC new format utilized by EFL learners at a language center in Ho Chi Minh City, Vietnam. This mixed-methods study employed two research instruments, namely questionnaire and semi-structured interview, for data collection. A cohort of 221 EFL learners was recruited to answer the questionnaires, and 25 of them were invited for semi-structured interviews. The SPSS software (version 26.0) was used to process the quantitative data gathered from the questionnaires, while the content analysis approach was utilized to analyse the qualitative data collected from the semi-structured interviews. The results revealed that research participants deployed the reading TTS for the new TOEIC test format at a high frequency. Additionally, participants were found to deploy the memory and compensatory strategies for TOEIC reading tests more frequently than cognitive, metacognitive, and affective ones. From the obtained findings, pedagogical implications are suggested to leverage the quality of reading teaching and learning in general and TOEIC training in specific.
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 | 0,003 |
| 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) | 0,001 | 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 ».