Flipped Classroom: The Effectiveness of Using Pre-Lecture Assignments on Enhancing EFL Undergraduates’ Attitude, Ability, Engagement and Participation
Notice bibliographique
Résumé
Having students as the core pillar of the teaching and learning process is significantly crucial in today’s classrooms. Flipped classroom along with the integration of pre-lecture assignments have proved to transform traditional teaching methods into a more engaging and effective one which stresses leaners’ role to be the centre of the teaching and learning process and increases learning gains. So, this article explores the effectiveness of implementing pre-lecture assignments on enhancing EFL undergraduates’ attitudes, ability, engagement and participation. The researcher adopts a descriptive analytical mixed approach. A questionnaire and interview are employed as data collection tools. The population of this study is level three EFL undergraduates majoring in English language; Faculty of Alsun, International University of Africa. Using a random sampling technique, the researcher administers the tools to the whole class (58 students) in which 48 students take part as sample of the study. The data is analysed using SPSS version 29. The results reveal that the pre-lecture assignments have significantly enhanced the students’ learning ability and helped them to gain a good background about the upcoming content. It also demonstrates that these assignments have increased their engagement and participation during class discussions and that class time is devoted to discussion rather than presentation. In addition, the findings show that the assignments have enhanced their attitudes towards the course. Finally, it’s recommended that EFL instructors should implement pre-lecture assignments in their classes to get more learner-centred classes and equip their students with the required terminology before coming to the class.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».