Speaking for Survival: A Systematic Review of English Language Learning Motivation, Barriers, and Workplace Communication Needs Among Bangladeshi Migrant Workers in Gulf Countries
Notice bibliographique
Résumé
Bangladeshi migrant workers make up a large part of the Gulf labor force, yet face significant English language barriers affecting workplace safety and economic outcomes. This systematic review synthesizes existing evidence on English language learning motivation, barriers, and workplace communication needs among this population in the Gulf Cooperation Council countries. Following PRISMA 2020 guidelines, we searched academic databases and gray literature (2010-2024), using the Newcastle-Ottawa Scale and the AACODS checklist for quality assessment. Narrative synthesis used the Self-Determination Theory and Workplace Learning Theory frameworks. From 892 initial records, 35 studies were included (18 peer-reviewed articles, 9 government reports, 8 organizational studies). Economic survival emerged as the primary motivation, with 52% of workers identifying language barriers as significant obstacles to workplace success and economic advancement. Systematic barriers included time limits of 10-12 hours per workday, financial difficulties, and inadequate pre-departure training, which consisted of only three days of language instruction. Safety-critical communication dominated across sectors, with construction workers requiring hazard vocabulary and service employees needing customer interaction skills. Evidence-based educational interventions should focus on sector-specific survival English programs, mobile learning solutions addressing documented time limits, and employer incentive systems to support systematic language development. Enhanced pre-departure training and bilateral labor agreements that incorporate comprehensive language provisions are essential for improving worker outcomes and enhancing workplace safety.
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 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».