Integrating Process Genre and Task-Based Approaches to Enhance Academic Reading and Writing Skills Among Thai Undergraduates
Notice bibliographique
Résumé
This study examines the development and evaluates the effectiveness of an academic model that integrates Process Genre and Task-Based approaches to enhance Thai undergraduate students’ academic reading and writing skills. Recognizing persistent challenges in English academic literacy, particularly in reading and writing, this study employed a hybrid instructional model designed to mirror real-world academic tasks, using IELTS-based assessments to measure proficiency gains. The intervention was implemented among 31 second-year students majoring in Teaching Chinese as a Foreign Language. A pre-test/post-test design demonstrated significant improvement in both reading and writing skills, with the mean reading score increasing from 19.83 (S.D. = 4.94) to 29.74 (S.D. = 3.38) and a large effect size (Cohen’s d = 3.38) and writing scores from 21.59 (S.D. = 5.44) to 29.33 (S.D. = 3.26) with an effect size (Cohen’s d = 3.05). The average reading and writing scores reached IELTS Band 7.0. Participants reported high satisfaction across all measured dimensions, indicating strong engagement and perceived value. Qualitative data from instructor interviews corroborated these findings, highlighting challenges such as vocabulary limitations and structural weaknesses, and underscoring the benefits of structured feedback and explicit strategy instruction. The study concludes that the integrated model effectively promotes academic literacy and offers a scalable solution for EFL 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 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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».