From Chalkboards to Cultural Relevance: A Mixed-Methods Study on ELL Support in Post-Conflict Higher Education
Notice bibliographique
Résumé
This study investigates the relationship between access to institutional resources and student satisfaction among English Language Learners (ELLs) at the English Language and Literature Department of X University, a post-conflict, resource-constrained higher education setting. Employing a mixed-methods approach, the research integrates quantitative data from surveys and academic writing tests with qualitative insights from classroom observations, focus groups, and semi-structured interviews. Spearman correlation analyses revealed a weak but statistically significant positive relationship between student satisfaction and access to online learning platforms (ρ = 0.184, p < .05) and language labs (ρ = 0.127, p < .05), while access to library resources (ρ = 0.082, p = .095) and textbooks (ρ = 0.041, p = .412) showed minimal or no significant association. Qualitative findings reinforced these results, with students reporting outdated materials, limited lab availability, frequent power outages, and heavy reliance on lecture-based instruction. The study further found that scaffolded instruction improved student writing scores by 22% (ρ = 0.286, p < .001), and culturally responsive teaching increased engagement by 15%. Despite their effectiveness, these strategies remain underutilized due to a lack of faculty training and institutional support. The findings underscore the need for comprehensive reforms, including investment in infrastructure, professional development in inclusive pedagogy such as Universal Design for Learning (UDL) and Culturally Responsive Teaching (CRT), and curriculum revisions to incorporate local cultural content. These interventions are crucial for enhancing English language education and promoting academic equity in post-conflict and low-resource university settings.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».