The Effects of Microlearning on EFL Students’ English Speaking: A Systematic Review and Meta-Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite advancements in microlearning-based English-speaking education, comprehensive meta-analyses of its effectiveness remain scarce. This study aimed to evaluate the effect of microlearning on English speaking among English as a foreign language (EFL) students through a systematic review and meta-analysis. Following the PRISMA principles, the research was conducted in June 2023 across five phases: problem identification, data collection, screening, evaluation, and extraction. Data were obtained from peer-reviewed journals indexed in databases, including ERIC, Science Direct, Scopus, and Google Scholar. Data analysis was undertaken using the modified Newcastle-Ottawa Scale-Education (NOS-E). Subsequently, the R meta program facilitated a robust meta-analysis, allowing us to comprehensively gauge effect size. A literature review yielded 10 studies (combined sample size = 743) that matched the eligibility guidelines. On the NOS-E, each study scored 4.55 out of 6. The results demonstrate the superiority of microlearning over traditional lectures (total English-speaking scores, SMD = 1.43, 95%CI = 1.27?1.59, p < .05). In the meta-analysis, heterogeneity was revealed (total scores for English speaking, I2 = 66%, p < .01), with no publication bias. Microlearning significantly benefits English language teaching (ELT) and enhances EFL students’ English-speaking skills. However, limitations do exist. By addressing these limitations, educators may refine pedagogical practices for optimal ELT methods for EFL learning.
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.
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 | 0,029 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découle