MétaCan
Menu
Retour à la cohorte
Enregistrement W4414587530 · doi:10.5430/wjel.v15n8p398

An Examination of Code-Switching: Motivational Factors and Patterns among Saudi EFL University Students

2025· article· en· W4414587530 sur OpenAlexvenueno aff
Maha Mohammed A. Alshehri

Notice bibliographique

RevueWorld Journal of English Language · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesKing Khalid University
Mots-clésArabicSophisticationConverseVocabularySet (abstract data type)English as a foreign languageQualitative research

Résumé

récupéré en direct d'OpenAlex

This study investigates the motivations and patterns of code-switching among Saudi EFL (English as a Foreign Language) university students that influence cultural identities on their language practices. The research has used both qualitative and quantitative methods through a set of questionnaire and semi-structured interviews to collect data. The study has exclusively focused female EFL students from the English Language Department at the Applied College of King Khalid University (KKU) in Almajardah. Out of 95 registered, 87 responded to the questionnaire, and seven students took part in interviews on campus. The findings of the study reveal that recalling Arabic equivalents, boosting confidence, talking about Western culture-related subjects, incorporating particular English terms into their speech, and reflecting long-standing habits are the primary causes that Saudi EFL students switch between English and Arabic. Moreover, EFL students get involved in code-switching to converse about Western society, leveraging their professional backgrounds that inspire them with the image of sophistication and intellect. Regarding patterns of code-switching, the research indicates that Saudi EFL university students occasionally insert English words or phrases while speaking Arabic. They frequently employ both languages in social contexts, particularly for expressions such as “thank you,” “hello,” “sorry,” “goodbye,” and “excuse me.” Furthermore, students regularly replace certain Arabic words with their English counterparts during conversation. In conclusion, the study underscores the need for EFL students to embrace code-switching as a legitimate linguistic strategy. It advocates using contextual language, encouraging emotional expression, prioritizing vocabulary development, integrating media resources, and fostering cultural awareness to enrich the overall learning experience for students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,370
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetMultilingual Education and PolicyTravaux en français237 207