Mediation Effects of Language Anxiety and Prior Learning Experience on Academic Speaking Challenges and Strategies among Libyan Students in Malaysian Universities
Notice bibliographique
Résumé
This study examined the academic speaking challenges faced by Libyan students in Malaysian universities, explored the strategies they used to overcome these challenges, and investigated the influence of prior learning experience and language anxiety on their academic communication abroad. The research also highlighted the role of self-regulated learning in helping Libyan students tackle their academic challenges and implement effective communication strategies in their new international academic setting. The study employed an explanatory mixed-mode research design, involving a questionnaire with 223 respondents, interviews with 15 informants, and a focused group discussion. Field notes and member checks were used for validation. Correlational procedures, structural equation modeling (SEM), and bootstrapping resampling analyses were conducted to examine the relationships between variables, validate study models, and test research hypotheses. NVivo analysis was utilized to code and generate themes from interviews, focus group discussions, and field notes. Findings revealed that Libyan students in Malaysian universities displayed strong self-regulated learning characterized by positive motivation and self-awareness, enabling them to overcome communication challenges through the implementation of various strategies to achieve academic success. The study also demonstrated that language challenges, language anxiety, and prior experience influenced the adoption of academic speaking strategies. These results emphasize the need for stakeholders to address the negative prior experiences faced by Libyan international students and highlight the importance of further research on previous experiences and emotional factors to gain a deeper understanding of the learning experiences of international EFL students in higher education institutions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».