Attitude Behavior Tendencies and Knowledge Orientation as Antecedents of Maritime English Learning: Practical Implications for the International Maritime Industry
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
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.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle