A Case Study: Investigating High School English Student Engagement in Language Learning Through YouTube Music Videos
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
This case study investigated high school student engagement in acquiring second language knowledge through YouTube music videos. A Chinese English learner who had lived in the United States for a year developed fundamental language skills but was hesitant to engage in language learning at the start of the project. Data collection was conducted over 10 weeks and involved semi-structured interviews, classroom observations, and in-class artifacts related to YouTube music learning activities. The findings indicated that the learner engaged with YouTube music videos from four perspectives: behavioral, emotional, social, and cognitive. From a behavioral perspective, singing recurring routines continuously engages the learner by promoting participation in language development. From an emotional and social perspective, music genres engage the learner through high affective input and peer interaction, facilitating the acquisition of cultural knowledge and daily communicative skill. From a cognitive perspective, multimodal features (e.g., lyrics and rhythm) stimulate the learner’s cognition by providing mnemonic aids that enhance memory for vocabulary and pronunciation competencies. Theoretical and pedagogical implications are provided for English language learning contexts, shedding light on the conceptual development of student engagement, multilingual teacher education, and multimodal learning. This study identifies future research trends in the instructional use of YouTube videos from multiple perspectives, including the transfer of working memory to long-term memory, digital multimodal composing (DMC), and generative AI.
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 | 0,002 | 0,011 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 découle