Is There A Relationship Between Motivational Components in Foreign Language Learning?
Notice bibliographique
Résumé
Motivation is the main determining factor to ensure successful achievement in foreign language acquisition. Ever since influential Canadian Psychologists, Gardner and Lambert introduced the term motivation in foreign and second language learning in 1959, numerous researchers investigated the nature of motivation, however, the area on relationships between motivational components is still understudied until now, especially in foreign language acquisition area. A random sampling of 131 participants from a public university in Malaysia responded to the survey. This quantitative study attempted to explore the relationships between motivational components, which have been identified as value components, expectancy components and affective components. Motivational scale by Pintrich & De Groot (1990) is used to compose the questionnaire, which examined the students’ motives in learning foreign language. The learners answered four sections, consist of Demographic Profile, Value Components, Expectancy Components and Affective Components by using a 5-point Likert scale survey. Analysis by using SPSS has been done to discover results in the form of mean scores and correlations scores. The findings revealed that the three motivational components have strong relations with students’ motivation. Additionally, the correlation analyses revealed interesting discoveries; Value and expectancy components showed favourable correlations, whereas there were negative correlations between expectancy and affective components and also between value and affective components. These findings are useful for teachers and curriculum writers since contribution of this study will clearly provide teachers and curriculum writers the foundation ideas to design and produce authentic lesson plans. The implementation of ideas from this study will motivate the students to learn foreign language skills based on value and expectancy components.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».