Emotional and Strategic Predictors of Socio-Emotional Communicative Competence Among Saudi EFL Learner
Notice bibliographique
Résumé
This study examines how emotional intelligence (EI), willingness to communicate (WTC), and adaptive communication behavior (ACB) are collectively associated with socio-emotional communicative competence (SECC) among Saudi university learners enrolled in fully online English courses via the Blackboard Learning Management System. Grounded in socio-affective and communicative-competence frameworks, the research employed a convergent mixed-methods design integrating quantitative survey data and qualitative reflections from 354 first-year non-English-major students. Results revealed that SECC operates as a multidimensional construct encompassing affective, motivational, and strategic dimensions. Learners with higher EI exhibited greater WTC and more consistent use of ACB, suggesting that emotional regulation is associated with sustained communicative engagement. Although ACB contributed modestly in regression models, qualitative data emphasized its pedagogical importance for maintaining interaction and negotiating meaning. Disciplinary differences emerged, with medical and laboratory sciences students exhibiting higher EI than their peers in pure sciences or computer sciences and programming—likely due to the use of English for collaboration and the emphasis on empathy-based teamwork. Extramural English was associated with greater socio-emotional engagement, indicating that informal practice complements online instruction. These findings underscore the pedagogical necessity of integrating emotional, motivational, and strategic training into EFL curricula. Embedding socio-emotional learning within Blackboard-mediated instruction aligns with Saudi Vision 2030 educational goals by cultivating emotionally intelligent, communicatively confident, and globally competent graduates.
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 | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».