MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414947854 · doi:10.3126/jong.v8i1-2.85073

Anxiety in EFL Classrooms: Impact on Linguistic Proficiency and Skill Development

2025· article· en· W4414947854 sur OpenAlexaff
Samjhana Aryal, Jnanu Raj Paudel

Notice bibliographique

RevueJournal of NELTA Gandaki · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAnxietyPsychological interventionReading (process)Language acquisitionForeign languageLanguage assessmentLanguage proficiencyTest (biology)Test anxiety

Résumé

récupéré en direct d'OpenAlex

English is a vital medium for education and communication in Nepal, making its acquisition crucial for academic and professional success. However, the process of learning English as a foreign language (EFL) often induces significant anxiety among students, which can hinder their language development and overall performance. This study explores the anxiety levels of secondary-level EFL students in Nepal as they acquire language skills in EFL classrooms. Sixty students from three community schools were selected, and data were collected using a Google Forms questionnaire based on the descriptive approach. The findings reveal varying levels of anxiety across different language skills, with speaking skills eliciting the highest anxiety, followed by writing, listening, and reading skills, which caused moderate anxiety. Contextual disparities were also noted, with test and exam-related anxiety being the most significant. Additionally, nervousness and students' proficiency levels emerged as primary contributors to their anxiety. The study highlights the necessity of implementing comprehensive, context-specific strategies in English language classrooms to address the diverse and intense forms of student anxiety, ultimately promoting more effective language learning and the need for targeted interventions in EFL classrooms to reduce anxiety and enhance students' language learning outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,294
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NELTA Gandaki→Même sujetEFL/ESL Teaching and Learning→Travaux en français237 207→