A Needs Analysis for Developing a Blended Learning–Driven Communicative Language Teaching Instructional Model to Enhance Primary Students’ English Communication Skills
Notice bibliographique
Résumé
This study conducted a needs analysis to inform the development of a blended learning-driven communicative language teaching model aimed at enhancing English communication skills among primary school students. The research sought to examine current conditions, identify challenges, and determine key factors essential for designing an effective blended learning framework tailored to primary English education. The study employed a mixed methods research approach, integrating both quantitative and qualitative data collection and analysis to provide a comprehensive understanding of the educational context. A total of 250 primary English language teachers were purposively sampled to participate, alongside in-depth interviews with five experienced teachers and eight students. Data collection included a structured questionnaire and semi-structured interviews. Quantitative analysis showed that teachers perceived significant challenges across instructional domains, with the highest emphasis placed on learning materials and resources (M = 4.17, SD = 0.75), while blended learning was rated lower but still within a high range (M = 3.86, SD = 0.84), reflecting its underdeveloped status in practice. Qualitative thematic analysis revealed that, despite positive attitudes toward blended learning, teachers lacked adequate training to implement it effectively, while students favored interactive, technology-enhanced activities that support speaking and vocabulary development. Both groups emphasized the importance of authentic materials, engaging digital tools, and active learning strategies. These insights will guide the creation of a contextually relevant blended learning model designed to enhance communicative competence in English at the primary education level.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».