Integrating ChatGPT to Enhance University Students’ Communication Skills: Pedagogical Considerations
Notice bibliographique
Résumé
This research examines the impact of integrating generative AI (ChatGPT) on 93 Thai university students’ English communication skills and their perceptions of AI integration. Initially, the students completed a video-recorded conversation simulation on a predetermined topic to be assessed using a scoring rubric, representing their pre-simulation performance. Subsequently, the students engaged in structured instruction. They collaborated in small groups with ChatGPT to create conversation scripts on the same topic, which they later used for post-simulation video recordings, representing the post-simulation performance. A focus group discussion with ten randomly selected participants was conducted to explore the students’ perceptions. A comparison of pre- and post-simulation scores revealed significant improvements, particularly in fluency, vocabulary usage, and overall communication skills. Additionally, focus group findings indicated highly positive sentiments about ChatGPT, emphasizing its role in reducing anxiety, promoting creativity and enthusiasm, and enhancing the interactivity and enjoyment of language learning. This study underscores ChatGPT’s potential as a valuable resource in language education, particularly when combined with teacher support and oversight. By generating scripts grounded in sound pedagogical principles, AI creates an interactive environment for enhancing conversational English, fostering active engagement, and meeting students’ diverse learning needs. Although the findings are promising, the research highlights the necessity of aligning AI implementation with pedagogical principles to guarantee valuable learning experiences. This research contributes to the expanding field of literature on AI in education, offering insights into how tools like ChatGPT can enhance communication abilities and prepare students for real-world applications in academic and professional contexts.
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 | 0,005 | 0,017 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».