Developing Transversal Competencies through Blended Learning: A Phenomenological Study of Thai Undergraduate Students
Notice bibliographique
Résumé
This phenomenological study explored undergraduate students’ lived experiences of developing transversal competencies (TVCs) through blended learning in an English for Specific Purposes (ESP) course. Thai higher education institutions have implemented blended learning approaches in classrooms. Moreover, the institutions have developed competency-based curriculum to prepare students for labor markets. Moreover, the benefits and challenges in developing TVCs in a blended classroom were investigated. Data were collected from 17 Sports Science and Health students who registered for the “English for Employment” course. The blended online classroom combined synchronous and asynchronous sessions. Data included classroom observations, focus group interviews, and student reflective journals. The data were analyzed using Moustakas (1994)’s phenomenological analysis framework. Phenomenological study was well-suited to the research questions, as it aimed to capture the understandings of students’ lived experiences in authentic contexts. This approach allows for rich understandings of how TVCs develop in a blended learning context. The analysis demonstrated the essence of a phenomenon that included TVCs as a learning journey, different modes of learning TVCs, and teacher and peer influence. The learning journey of the participants started with their unfamiliarity with the term TVCs, but they gradually recognized its importance for employability. The participants experienced TVCs through three modes of learning: interactive instruction, independent study, and direct instruction. The benefits included enhancing students’ motivation, autonomous learning development, and technological practice. However, low student motivation, technological barriers, and ethical issues emerged as challenges. The findings illustrated the importance of teacher support in facilitating students’ development of TVCs in blended environments in ESP courses, which contributed to the understanding of competency development in Thai higher education contexts. However, it was limited to a specific group of participants. This study was collected from a small sample size of 17 participants from one faculty and depended mainly on a qualitative approach.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».