Smartphone Apps -based Teaching Method to Develop Oral English Communication Skills at the Tertiary Level in an EFL Context
Notice bibliographique
Résumé
Smartphones are the most used hand-held devices by people globally, whereas large class size is a common scenario in many EFL (English as a Foreign Language) contexts like Bangladesh. Besides, EFL learners get scarce opportunities to practice oral skills inside and outside the class to develop oral English communication skills (OECSs). Thus, this study investigates learners' experiences after the intervention of 9 weeks with a smartphone apps-based teaching method (SBTM) employing WhatsApp, call, and voice recorders in an EFL classroom at the tertiary level for managing large-size class for developing learners' OECSs in Bangladesh. For this purpose, a qualitative research design using interviews, reflective journals, and classroom observation was used to elicit learners' experiences and practices for soliciting a model of a smartphone apps-based teaching method (SBTM). The findings showed that learners had positive experiences, e.g., ubiquitous and flexible processes, opportunities for individual and partner practice, recordings facilitated oral practice, and inside and outside classroom oral practice for managing large-size classes for developing OECSs in an EFL context. On the other hand, the negative experiences that learners reported were that this method was challenging for teachers, e.g., for assessment, and the classroom became noisy. The findings of this study will leave implications for teachers, learners, app developers, policymakers, and researchers for practising, developing a new app, and adopting a policy for implementing technology inside the classroom.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».