The Effectiveness of Using ELSA App on Improving Saudi Students’ English-Speaking Skills
Notice bibliographique
Résumé
Speaking is a challenging skill for the majority of English as a foreign language (EFL) learners around the world. Therefore, experts are researching the potential affordances of Artificial Intelligence (AI) as a tool to develop speaking skills. The ELSA App is a prominent example of an AI application that can provide instant corrections to the user to improve their speaking skills. Although app reviewers claim it is effective for enhancing speaking skills, there is minimal research confirming its effectiveness as a tool for enhancing key English-speaking skills, such as pronunciation, fluency, cohesion, and expanding lexical resources. To contribute to the literature in this area, this study sought to evaluate the efficacy of the ELSA App as a tool to develop Saudi high school students’ speaking skills. In addition, it aimed to explore their perceptions with regard to using the ELSA App to develop their English-speaking skills. In total, 30 high school students from Saudi Arabia were selected as the research sample. The participating students were divided into two groups, comprising 15 in the control group and 15 in the experimental group. A mixed-methods study design was used to answer the study questions. Data were collected using two research tools: a pre- and post-test speaking test, and a closed and open questionnaire. The students’ tests were corrected using IELTS rubrics. The questionnaire was arranged into two sections: closed questions based on a five-point Likert scale that was analyzed statistically, and open questions analyzed using content analysis. The results indicated that students in the experimental group experienced positive improvement at varying levels in terms of pronunciation, fluency, coherence, grammatical range and accuracy, and lexical resources in speaking skills. Moreover, the students had positive opinions about using the ELSA App to practice and develop their English-speaking skills. Thus, it appears the ELSA App in general had a significant positive impact on the Saudi student participants’ speaking skills, offering them a fertile interactive environment. This finding has valuable implications and prompted recommendations for teachers and EFL learners.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».