The Effectiveness of a Digital Literacy-Integrated Syllabus for Arabic-speaking Courses in Teacher Education Universities in China
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
As digital literacy becomes crucial in modern education, its integration into language education is necessary to prepare preservice teachers to meet 21st-century challenges. This study evaluates the impact of a digital literacy-integrated syllabus for Arabic-speaking courses on the digital literacy and Arabic language acquisition of Chinese preservice teachers in China. This paper presents a Phase 3 evaluation of the Design and Developmental Research (DDR) approach. A one-group pretest and posttest design was employed, with 32 Chinese preservice teachers pursuing Arabic language education at three teacher education universities in Yunnan, Ningxia, and Gansu provinces in China. The participants engaged in 2-week online lessons based on a developed syllabus. This syllabus, designed during Phase 2 design and development of DDR, explicitly included digital literacy objectives and teacher-student interaction strategies and learning activities. It was adapted from Yunnan Normal University's syllabus for an Arabic-speaking course. Qualitative data were collected through individual online interviews with five randomly selected participants after completing the 2-week lessons. Quantitative results showed significant improvements in digital literacy across technical, cognitive, attitudinal, and social-emotional domains. Additionally, the findings indicated that the syllabus enhanced preservice teachers' engagement and interest in learning to speak and understand Arabic. However, addressing challenges in the implementation is important to maximize its benefits. These findings contribute to the growing field of technology-enhanced Arabic language education for preservice teachers in China.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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