Exploring the Efficacy, Attitude, and Challenges of Experiencing the Current EdTech Trends in English Language Learning
Notice bibliographique
Résumé
This study investigated the usefulness and effectiveness of incorporating and engaging technology in second language learning and the problems encountered by students utilizing modern educational technology tools at Majmaah University. The study used a mixed-methods approach. To assess the preparedness and eagerness of EFL learners to utilize current educational technology (EdTech) in their language learning and to examine the attitudes of EFL learners towards various Ed Tech tools, a Likert questionnaire consisting of seven points, ranging from very frequent to never, is disseminated to students at various academic levels. To determine the attitudes of EFL learners, a questionnaire was prepared, ranging from exceptional to very poor. Furthermore, the research identifies the obstacles faced by EFL students. 75 students from various academic disciplines completed the questionnaire, while a semi-structured interview was conducted with seven students to get their genuine and sincere opinions and ideas. The study primarily examined the implications of technological advances on English as a Foreign Language (EFL) learners. Consequently, it was found that EFL learners were entering a new era of digital learning and were undoubtedly benefiting from it, as long as it was not utilized for nonsensical goals. It is essential, however, to tailor the use of Ed Tech tools to the unique learning goals and the level of competence of the learners. Although the study was done on a limited premise, however, the Ed Tech pedagogical implications could be generalized to all EFL learners.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».