Enhancing Analytical Reading and Writing Skills in Vocational Education: The Role of Collaborative and Task-Based Learning
Notice bibliographique
Résumé
Purpose: This study aims to evaluate the effectiveness of combining Collaborative Learning (CL) and Task-Based Learning Teaching (TBLT) in enhancing vocational students' analytical reading ability and writing skills. Method: Conducted at a vocational college in southern China, the study involved 192 students divided into an experiment group (n=25) receiving the blended approach and a control group (n=27) following traditional methods. The intervention lasted four weeks, with pre-tests and post-tests administered using the Analytical Reading Ability Test (ARAT) and Writing Skill Assessment Scale (WSAS). Data were analyzed using ANOVA and t-tests. Results: The findings indicated that the blended approach significantly improved the students’ skills. The experiment group showed substantial improvements, with post-test scores in analytical reading ability (35.28±1.54) and writing skills (25.20±1.56) significantly higher than pre-test scores (29.48±2.37; 20.24±2.13). Moreover, the experiment group outperformed the control group at the 0.05 significance level in both areas. Conclusions: Integrating Collaborative Learning with Task-Based Learning Teaching significantly enhances vocational students’ analytical reading and writing skills. This approach offers a valuable instructional strategy for vocational education, preparing students for the demands of a globalized job market.
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 | 0,003 | 0,003 |
| 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 | 0,001 |
| 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 ».