MétaCan
Menu
Retour à la cohorte
Enregistrement W4382797203 · doi:10.5539/elt.v16n7p91

A Decade of EFL Self-Efficacy Research: Empirical Status and Future Directions

2023· article· en· W4382797203 sur OpenAlexvenueno aff
Malak Almohammadi

Notice bibliographique

RevueEnglish Language Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySelf-efficacyFoundation (evidence)Empirical researchEnglish languageEnglish as a foreign languageForeign languageMathematics educationSocial psychologyEpistemologyPolitical science

Résumé

récupéré en direct d'OpenAlex

With the growing importance of English globally, EFL (English as a Foreign Language) contexts continue to strive to enhance learners’ English language learning outcomes. The last decade has witnessed a growing recognition of self-efficacy as a crucial psychological mechanism in learning pursuits. This paper presents a review aiming to paint a picture of a decade of EFL self-efficacy research. The aim of this review is threefold. First, it provides an overall explanation of self-efficacy theory and its potential as one of the strongest determinants of human behavior. Then, it aims to review and thematically synthesize the growing empirical research on EFL self-efficacy in the last decade. Finally, the review pulls the research findings together, providing the foundation for implications for policymakers and future research directions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,441
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207