MétaCan
Menu
Retour à la cohorte
Enregistrement W4405338202 · doi:10.5430/wjel.v15n2p309

Attitude Behavior Tendencies and Knowledge Orientation as Antecedents of Maritime English Learning: Practical Implications for the International Maritime Industry

2024· article· en· W4405338202 sur OpenAlexvenueno aff
Vega Fonsula Andromeda, Fatimah Fatimah

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnglish Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingContext (archaeology)Computer scienceKnowledge managementOrientation (vector space)Data collectionPsychologyArtificial intelligenceMachine learningMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Maritime English is a crucial element in the international maritime industry, enabling effective communication and ensuring safety at sea. Considering the importance of English proficiency in the maritime context, this study aims to develop an effective learning model using the Maritime English Reconstruction (MER) approach. This model is designed to enhance the effectiveness of maritime English learning through the application of relevant and contextual reconstruction techniques. The study examines the influence of attitude behavior tendencies, knowledge orientation, and the mediating role of MER on learning effectiveness. This research employs a quantitative method with data collection techniques through simple random sampling. The respondents in this study are final-year students majoring in maritime studies from various state universities in Jakarta and Semarang, Indonesia, with 248 valid questionnaires analyzed. Data analysis is conducted using Partial Least Squares-Structural Equation Modeling (PLS-SEM) with the assistance of SmartPLS 3 software. The results of the study indicate that attitude behavior tendencies and knowledge orientation have a significant influence on MER and learning effectiveness. Furthermore, MER is proven to act as a significant mediator in the relationship between attitude behavior tendencies and learning effectiveness, as well as between knowledge orientation and learning effectiveness. These findings suggest that the MER method plays a vital role in improving the results of maritime English learning by enhancing the application of relevant and contextual reconstruction techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,334
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 sujetEnglish Language Learning and TeachingTravaux en français237 207