The Emotional Experiences of Chinese High School Students Learning English as a Second Language
Notice bibliographique
Résumé
This study investigated the achievement emotions of Chinese first-year high school students learning English as a foreign language (EFL). We adopted Pekrun et al.’s (2023) three-dimensional taxonomy of achievement emotions and applied it to the English learning context. A total of 178 students responded to a 6-point Likert scale measuring EFL achievement emotions. Data were analyzed using SPSS 27.0. Multiple regression analysis was conducted to identify emotional factors influencing students’ achievement scores. Canonical correlation analysis was employed to examine the relationships between the following sets of variables: a set of variables of foreign language outcome-retrospective emotions (FLORE); a set of variables of foreign language outcome-prospective emotions (FLOPE); and a set of variables of foreign language activity emotions (FLAE). The results showed that pride had a significant positive effect on learners’ English achievement scores, while anxiety had a significant negative effect. Canonical analysis revealed that the total redundancies among the three models were 22.8%, 26.2%, and 45.6%, respectively. This indicates that negative active emotions were positively associated with negative outcome-reflective and prospective negative emotions, whereas prospective positive emotions were linked to positive reflective emotions. The findings indicate that EFL learners who exhibited displeasure and faced challenges related to their competence in completing English tasks, both before and during English learning, tended to feel more anxiety and less pride. Conversely, students who anticipated academic success were more likely to feel pride in their achievement success. These findings suggest that task demands, cooperative English language learning activities, and effective communication regarding emotions promote positive emotions and reduce negative emotions.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».