MétaCan
Menu
Retour à la cohorte
Enregistrement W4415382368 · doi:10.5430/wjel.v16n2p213

Undergraduate Students’ Perceptions on Growth Mindset, Intrinsic Values, and Self-Regulation in English Language Learning

2025· article· W4415382368 sur OpenAlexvenueno aff
Rattima Thanyathamrongkul, Vorakarn Chalermchaikit, Nongnuch Sriussadaporn

Notice bibliographique

RevueWorld Journal of English Language · 2025
Typearticle
Langue
DomainePsychology
ThématiqueGrit, Self-Efficacy, and Motivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionIntrinsic motivationValue (mathematics)Descriptive statisticsEnglish languageIntrinsic value (animal ethics)Language acquisition

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate Thai undergraduate students’ perceptions of three psychological factors: growth mindset, intrinsic value, and self-regulation in English language learning, and the relationship among these three variables. A total of 231 English-major students from seven universities completed an online questionnaire assessing current practices and expectations. Data were analyzed using descriptive statistics, the Priority Need Index (PNI), and Spearman’s rank-order correlations. Results indicate that while students generally possess strong growth mindsets and intrinsic motivation, they seek further enhancement, particularly in translating these attitudes into effective learning strategies. Self-regulation emerged as the highest priority need, with notable gaps in study planning, progress monitoring, and engagement beyond the classroom. Correlation analysis revealed strong, positive relationships among all three factors, with intrinsic value most strongly linked to self-regulation. These findings underscore the importance of integrated pedagogical methods that foster mindset, motivation, and self-management skills to enhance English proficiency in EFL contexts.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,288
Écart entre enseignants0,281 · 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 revueWorld Journal of English LanguageMême sujetGrit, Self-Efficacy, and MotivationTravaux en français237 207