Improving EFL Students’ Speech Proficiency Through AI-Driven Interaction: A Study on ChatGPT’s Impact
Notice bibliographique
Résumé
This study explored how ChatGPT can help students improve their English speech proficiency skills, especially in speaking. The main objectives were to investigate the improvement of the participants’ speech proficiency after using ChatGPT treatment and how they perceive the implementation of ChatGPT in improving speech proficiency. A mixed-methods approach was adopted in this study and participants were chosen using a purposive sampling technique. The study focused on the benefits and limitations of using AI tools in education. A gap was found in previous research, as many studies discussed ChatGPT’s features, but few focused on how students feel about using it in real classrooms. The data were collected through a survey questionnaire and semi-structured interviews. Results showed that many students found ChatGPT to be a beneficial process in the development of students’ speech, as an easy-to-use and helpful tool for learning English. The study revealed that ChatGPT training significantly improved students’ speech performance (t = 12.538, p < .05), enhancing their content, fluency, language and style through AI-assisted feedback that reduced anxiety and promoted autonomous learning. In addition, results show that students highly valued ChatGPT’s timely and effective feedback on speech tasks, earning an overall mean of 4.39, recognizing it as a reliable support tool that enhances revisions, reduces anxiety, saves time, and promotes motivation. This implies that teachers can integrate ChatGPT into speaking activities to provide quick feedback and build students’ confidence, making learning more engaging.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».