Effects of Teaching Strategies Using Multimedia on Vocabulary Retention of Grade 6 Students
Notice bibliographique
Résumé
Although English language instruction has been available in Thailand since childhood, the proficiency level remains very low compared to other non-native English-speaking countries. This research aims to provide alternative instructional methods for further development of English language instructions in Thailand by focusing on vocabulary retention and how words are retained (Sayed, 2022). Vocabulary is essential in language learning since rich vocabulary enhances language proficiency (Aswad, Yassi, Pammu, Nasmilah, & Rezaei, 2022; Mahmood & Ahmed, 2023). This article reports the effects of teaching strategies using multimedia on vocabulary retention of Grade 6 students. Multimedia, such as visual aids and an online self-review platform, combined with teaching models, teaching and explaining vocabulary, blended learning, TPACK, and bite-sized learning, were used to design multimedia lessons. The research found that multimedia significantly affected the students’ short-term and long-term vocabulary retention. The short-term vocabulary retention test scores averaged 47.85, while the long-term vocabulary retention test scores averaged 39.47. The students maintained 82.5% of their vocabulary even after seven days, demonstrating the effectiveness of the multimedia teaching strategies in enhancing vocabulary retention. Students also expressed high satisfaction with the multimedia approach, with an average satisfaction score of 4.14 out of 5. Female students averaged higher satisfaction than male students across all dimensions, with the difference being significant in overall satisfaction.
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».