MétaCan
Menu
Retour à la cohorte
Enregistrement W4400779217 · doi:10.5430/wjel.v14n5p654

The Impact of Technology on the Motivation of English Language Learners in Online Settings

2024· article· en· W4400779217 sur OpenAlexvenueno aff
Naif Alqurashi

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMathematics educationLinguisticsNatural language processingPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

As online learning continues to gain prominence, understanding the factors influencing learner motivation in virtual environments becomes crucial. This study aimed to investigate the impact of technology and circumstantial factors on the motivation of English language learners engaged in online settings. Through an online questionnaire, data will be collected from approximately 20 participants at Taif University or via crowdsourcing platforms. The questionnaire employed a five-point Likert scale to assess learner motivation and gather ratings on ten factors: five technology-related (device age, speed, display, audio quality, mobility) and five circumstantial (device availability, proficiency, commuting feasibility, external responsibilities, interest in the field). Statistical analysis using Spearman's correlation was conducted to examine the relationships between these factors and motivation. The research revealed that device and internet speed stood out as the most crucial technological determinant of student motivation, with a strong positive correlation coefficient of 0.63. The quality of audio during online lessons also emerged as significant, with a moderate positive correlation of 0.43 with motivation. Interestingly, device mobility did not exhibit a notable correlation with student motivation. Regarding circumstantial factors, students' general interest in pursuing the degree requiring online English learning was the most influential factor affecting motivation, with a strong positive correlation coefficient of 0.53. Students' proficiency in using devices for online learning was another crucial factor, showing a moderate positive correlation of 0.4 with motivation. Unexpectedly, proximity to educational institutions did not correlate significantly with motivation for online learning. However, students with additional responsibilities tended to be more motivated, potentially due to the flexibility of online education.

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)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,076
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
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 Opus0,012
Tête enseignante GPT0,330
Écart entre enseignants0,318 · 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.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207