Use of AI Tools in Navigating Reading Difficulties of Adult EFL Learners
Notice bibliographique
Résumé
Reading is often a neglected skill in language pedagogy. Reading is a very significant skill since language learning depends a lot on reading skill, and moreover, adult learners’ progress in higher education depends a lot on their reading habits. Fast reading with full comprehension is the target of developing reading skill. However, sometimes learners, particularly English as a Foreign Language (EFL) learners, find it difficult to achieve this objective. That results in the learners either developing painfully slow reading habits in English or low reading comprehension, if they try to be fast readers. Research studies have explored the common reading difficulties of such learners. However, research is still lacking in finding effective solutions to overcome the reading difficulties of adult EFL learners. Advanced AI applications used as educational aids have raised hopes in this regard. The present mixed-methods research with a quasi-experimental design, conducted over a three-month period with Saudi undergraduate EFL students, examined whether the AI tool ‘Actively Learn’ is effective in helping adult learners navigate their reading difficulties resulting in enhancement in their reading comprehension. The targeted aspects of reading activities to be improved in their reading course were speed of reading English texts, global comprehension, and grasping meanings of new words from their context. The results obtained show a gradual improvement in learners’ reading skills as the monthly tests report significant differences in their reading achievement from test to test (Pretest vs. Test 1: t 5.164 p 0.0001; Test 1 vs. Test 2: t 6.967 p 0.000; Test 2 vs. Test 3: t 7.934 p 0.000; Pretest vs. Test 4: t 19.12 p 0.000). Findings of the study are very significant, as they lay the foundation for a strong belief in the capability of AI-powered tools to impact students’ reading habits positively. In Saudi Arabian contexts, the study paves the way for further research in this significant academic area and adds to the body of existing research literature.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».