Online Learning as a Bolster for Sustainable Development in the Saudi EFL Context
Notice bibliographique
Résumé
This study entirely depends on the premise that sustainable online education offers various benefits not only in the context of learning English as a foreign language but also in terms of a sustainable environment. The study’s central purpose is to explore the way through which online education contributes to sustainable development, which is in line with numerous sustainable objectives adopted by the Kingdom of Saudi Arabia to help achieve the 17 Sustainable Development Goals (SDGs), whose technical component is also acknowledged and accentuated by Saudi Arabia's 2030 Vision. In light of this, this study investigates the effects of online learning on sustainable growth in Saudi Arabia's post-COVID-19 higher education institutions, particularly in terms of quality education and clean climate. In doing so, the paper uses a mixed-method approach exemplified by quantitative and qualitative processes and manifested in two instruments: a questionnaire and an interview. The sample consists of 160 EFL students and 23 EFL teachers. All participants are affiliated with a Saudi university. Results reveal that online learning has significantly contributed to sustainable development, particularly in terms of quality education and clean climate. Concerning quality education, the results reveal a positive impact of online learning on enhancing both learners' autonomy and learners' willingness to communicate and decreasing learning anxiety. As for clean climate, results demonstrate that online learning has a significant, positive impact on environmental preservation and energy saving. Also, there was a strong and positive link between how well Saudi Arabia's higher education institutions handled the digital shift and their e-learning capabilities for sustainable growth, improvisational skills, and organizational preparedness.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».