Email Literacy in Higher Education Institutions: A Case Study on Student-Instructor Email Communication at Dhofar University in Oman
Notice bibliographique
Résumé
Email is one of the means via which students in higher education institutions (HEIs) liaise with instructors to enquire about course materials, assignments, upcoming assessments and seek advice on personal or academic matters. The current study is an attempt to investigate student-instructor email communication focusing on the problematic aspects in students’ emails that affect the process of communication. The study is based on the analysis of one-hundred email messages composed and sent by undergraduate students to their instructors at Dhofar University in Oman. It is concluded that student email messages are often characterized by lack email etiquette rules, linguistic inaccuracies and traits of texting and instant messaging mediums. Several student messages, for instance, lack proper email layout and contain grammar, spelling and punctuation mistakes, indicating that reviewing emails before sending them to teachers does not take place. In addition, informal features such as use of informal vocabulary, excessive use of punctuation marks, non-standard spelling, emojis and emoticons, which reflect unawareness of formality, professionalism and university setting etiquette, are noticeable in students’ email messages. Therefore, pedagogical intervention with respect to acquisition of skills required for writing and perceiving emails is recommended. Education and guidance on the conventions governing email communication can help students communicate more effectively and professionally via email in HEIs, which will promote not only decent practices but also future employability opportunities.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».