Knowledge Attitude and Practice of Students Towards Online Communication in EFL
Notice bibliographique
Résumé
Online learning refers to education that occurs through the Internet using technological tools such as tablets, smartphones, laptops, and PCs. This study intends to determine how structural equation modeling (SEM) can be used to evaluate the adequacy of the variables included in the knowledge, attitude, and practices (KAP) model concerning online communication in English as a foreign language (EFL). An exploratory study was conducted with 112 female undergraduate English language program (ELP) students at the King Khalid University of Saudi Arabia. A KAP questionnaire was distributed to those students using a Google form. The data analysis was carried out using SPSS version 20. The SEM analysis was conducted using Analysis of Moment Structures (AMOS) software version 5.0. The results showed that the mean score of KAP toward online communication in EFL was 3.78, 3.90, and 3.70, respectively. The mean practice score is lower than the mean knowledge and attitude score. The SEM analysis demonstrated that the variables used in the KAP model are positively related (p<0.05). Variables used in the KAP questionnaire are adequately fit to evaluate the ELP students’ KAP toward online communication in EFL. Hence, policymakers can utilize these variables to assess the students’ KAP toward online communication in EFL at HEIs. The findings of KAP can aid universities in framing and implementing appropriate strategies to motivate online communication and enhance the student’s English language skills.
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 | 0,003 | 0,012 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».