Giới thiệu dự án

Nghiên cứu về Chiến lược Học Từ vựng (Vocabulary Learning Strategies - VLS) trong lĩnh vực Thụ đắc Ngôn ngữ Thứ hai (Second Language Acquisition - SLA) đóng vai trò nền tảng trong việc tối ưu hóa năng lực giao tiếp và học thuật của sinh viên chuyên ngành Ngôn ngữ Anh. Theo các khảo sát giáo dục quốc tế, hơn 70% rào cản trong việc phát triển kỹ năng đọc hiểu chuyên sâu và diễn đạt học thuật (Academic Writing & Speaking) bắt nguồn từ vốn từ vựng hạn chế và phương pháp lưu trữ thông tin thụ động.

                               +---------------------------------------------------+
                               |     Thực trạng: 70% sinh viên thiếu hụt VLS      |
                               +-------------------------+-------------------------+
                                                         |
                                                         v
                               +---------------------------------------------------+
                               |  Mô hình hóa dữ liệu khảo sát VLS (N=25, K21 HPU)  |
                               +-------------------------+-------------------------+
                                                         |
                               +-------------------------+-------------------------+
                               |                                                   |
                               v                                                   v
+-----------------------------------------------+   +-----------------------------------------------+
|  Nhóm Khám phá: DET (52%), SOC (36%)          |   |  Nhóm Củng cố: COG (48%), MEM (40%), MET (24%)|
+-----------------------------------------------+   +-----------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Sinh viên năm 2 chuyên ngành Ngôn ngữ Anh tại Trường Đại học Dân lập Hải Phòng (HPU) đối mặt với khối lượng thuật ngữ chuyên ngành và từ vựng nâng cao gia tăng đột biến. Tuy nhiên, phần lớn sinh viên duy trì thói quen học vẹt (rote memorization), phụ thuộc hoàn toàn vào từ điển song ngữ cơ bản và thiếu hụt các chiến lược siêu nhận thức (metacognitive) để duy trì vốn từ dài hạn. Vấn đề cốt lõi là sự thiếu vắng dữ liệu định lượng cụ thể về tần suất và xu hướng sử dụng VLS giữa các nhóm sinh viên để nhà trường đưa ra can thiệp sư phạm chuẩn xác.

Mục tiêu dự án

  1. Định lượng hóa tần suất sử dụng VLS: Đo lường và phân loại 25 chiến lược học từ vựng thuộc 5 nhóm chiến lược chính theo khung phân loại chuẩn hóa của Norbert Schmitt (1997).
  2. Phân tích biến số nhân khẩu học (Gender Variance): Xác định sự khác biệt có ý nghĩa thống kê về việc áp dụng chiến lược giữa sinh viên nam ($n=10$) và sinh viên nữ ($n=15$).
  3. Thiết lập mô hình khuyến nghị can thiệp: Đề xuất khung tích hợp VLS vào giáo trình thực hành tiếng nhằm nâng cao tính tự chủ học tập (learner autonomy).

Phương pháp tiếp cận giải pháp

Đề tài áp dụng phương pháp định lượng thực nghiệm (Quantitative Empirical Methodology) thông qua công cụ bảng hỏi khảo sát đóng trên thang đo Likert 5 mức độ (1 = Never, 2 = Rarely, 3 = Sometimes, 4 = Usually, 5 = Always), kết hợp phân tích thống kê mô tả (Descriptive Statistics) và phân tích so sánh giá trị trung bình (Mean Score Analysis).

Kết quả kỳ vọng và chỉ số đo lường

  • Hoàn thành bộ cơ sở dữ liệu phân bố tần suất cho 25 biến quan sát thuộc 5 danh mục VLS.
  • Chỉ ra chính xác các chiến lược có tần suất sử dụng cao (High frequency $\ge 50%$) và tần suất thấp (Low frequency $< 50%$).
  • Xác định giá trị trung bình điểm ($\text{Mean}$) chênh lệch theo giới tính đối với từng chiến lược cụ thể.

Phạm vi và giới hạn (Scope & Limitations)

  • Phạm vi đối tượng: Sinh viên năm thứ 2 khóa K21 chuyên ngành Ngôn ngữ Anh tại Trường Đại học Dân lập Hải Phòng.
  • Kích thước mẫu: 25 sinh viên (15 nữ, 10 nam) với thời gian học tiếng Anh tích lũy từ 5 đến 8 năm.
  • Giới hạn: Nghiên cứu tập trung vào dữ liệu tự báo cáo (self-reported survey), chưa đi sâu vào đo lường hiệu quả học tập thực tế thông qua các bài kiểm tra từ vựng chuẩn hóa (Pre-test/Post-test).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lịch sử nghiên cứu ngôn ngữ học ứng dụng, nhiều hệ thống phân loại chiến lược đã được công bố nhằm giải quyết bài toán tiếp nhận từ vựng.

Khung phân loại Tác giả & Năm Cấu trúc phân cấp chính Ưu điểm kỹ thuật Hạn chế
LLS Taxonomy Oxford (1990) Direct (Memory, Cognitive, Compensation) & Indirect (Metacognitive, Affective, Social) Bao quát toàn diện hành vi học tập tổng thể Phân loại từ vựng chưa chuyên biệt, chồng chéo giữa nhận thức và ghi nhớ
L2 Vocabulary Taxonomy Gu & Johnson (1996) Metacognitive, Cognitive, Memory, Activation Phân tách rõ ràng giữa Rehearsal và Encoding Bỏ qua các yếu tố tương tác nhóm và hỗ trợ từ giảng viên
VLS Inventory (Selected) Schmitt (1997) 2 giai đoạn: Discovery (DET, SOC) & Consolidation (SOC, MEM, COG, MET) Phân định rạch ròi giữa nhận diện từ mới và củng cố trí nhớ Đòi hỏi bảng hỏi chi tiết với nhiều biến số phụ

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Thu thập đầy đủ 25 biến chỉ báo VLS; Phân tích tỷ lệ High/Low/Not used cho 5 nhóm chiến lược; So sánh Mean theo giới tính.
  • Should have: Biểu đồ hóa phân phối tỷ lệ phần trăm phản hồi cho từng câu hỏi ($Q1 - Q25$).
  • Could have: Tích hợp thuật toán tính điểm tổng hợp tự động cho các nhóm chiến lược.
  • Won't have: Thu thập dữ liệu theo thời gian thực (real-time longitudinal tracking) trong phạm vi giai đoạn 1.

Thiết kế hệ thống

Hệ thống xử lý và phân tích dữ liệu VLS được thiết kế theo kiến trúc đường ống 4 giai đoạn (4-Stage Data Pipeline Architecture):

+------------------+      +-------------------+      +----------------------+      +----------------------+
| 1. Survey Engine | ---> | 2. ETL & Cleaning | ---> | 3. Statistical Core  | ---> | 4. Analytics Report  |
| Likert Scale 1-5 |      | Pandas 2.1.4      |      | SciPy 1.11.4 Engine  |      | Visual Data Tables   |
+------------------+      +-------------------+      +----------------------+      +----------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Data Ingestion & Processing: Python v3.10.12, Pandas v2.1.4, NumPy v1.26.2.
  • Statistical Computation: SciPy v1.11.4, Statsmodels v0.14.1.
  • Relational Storage: SQLite v3.42.0.
  • Data Validation & Schemas: Pydantic v2.5.2.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

CREATE TABLE students (
    student_id VARCHAR(20) PRIMARY KEY,
    gender VARCHAR(10) CHECK(gender IN ('Male', 'Female')),
    academic_year INT DEFAULT 2,
    major VARCHAR(50) DEFAULT 'English Linguistics',
    years_of_english_study INT CHECK(years_of_english_study BETWEEN 1 AND 20)
);

CREATE TABLE vls_categories (
    category_id VARCHAR(5) PRIMARY KEY,
    category_name VARCHAR(50) NOT NULL,
    strategy_phase VARCHAR(20) CHECK(strategy_phase IN ('Discovery', 'Consolidation', 'Both'))
);

CREATE TABLE vls_responses (
    response_id INTEGER PRIMARY KEY AUTOINCREMENT,
    student_id VARCHAR(20) REFERENCES students(student_id),
    question_code VARCHAR(5) NOT NULL,
    category_id VARCHAR(5) REFERENCES vls_categories(category_id),
    likert_score INT CHECK(likert_score BETWEEN 1 AND 5),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kiểm định định lượng chuẩn mực trong giáo dục:

  1. Thiết kế công cụ: Chuyển hóa bảng phân loại Schmitt (1997) thành bảng khảo sát gồm 25 câu hỏi tương ứng 5 nhóm chiến lược: Determination (DET: Q1-Q3), Social (SOC: Q4-Q9), Cognitive (COG: Q10-Q15), Memory (MEM: Q16-Q20), Metacognitive (MET: Q21-Q25).
  2. Quy trình triển khai: Khảo sát trực tiếp trong thời gian 30 phút tại lớp học chính khóa, đảm bảo 100% tỷ lệ phản hồi hợp lệ ($N=25$).
  3. Mô hình đánh giá rủi ro (Risk Mitigation Matrix):
Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu
Response Bias (Thiên lệch tự báo cáo) Trung bình Hướng dẫn rõ tính chất ẩn danh, giải thích mục đích phi khảo thí
Data Imbalance (Chênh lệch giới tính 15 nữ : 10 nam) Cao Chuẩn hóa điểm số theo giá trị trung bình mẫu riêng biệt ($\text{Mean}{\text{male}}$ vs $\text{Mean}{\text{female}}$)
Missing Data Thấp Kiểm tra trực tiếp tại chỗ từng phiếu khảo sát trước khi nhập liệu

Implementation và kết quả

Quy trình xử lý dữ liệu và thuật toán phân tích

Hệ thống xử lý phân tích dữ liệu được hiện thực hóa bằng mã nguồn Python chuẩn mực, tự động tính toán tỷ lệ tần suất gộp (High Frequency: Always + Usually; Low Frequency: Sometimes + Rarely; Not Used: Never) và giá trị trung bình điểm ($\text{Mean}$).

import numpy as np
import pandas as pd
from typing import Dict, List

class VLSStatisticalProcessor:
    def __init__(self, data_path: str):
        self.df = pd.read_csv(data_path)
        self.likert_map = {1: "Never", 2: "Rarely", 3: "Sometimes", 4: "Usually", 5: "Always"}
        
    def compute_frequency_distribution(self, question_cols: List[str]) -> pd.DataFrame:
        """
        Tính toán phân phối tần suất High / Low / Not Used cho từng nhóm chiến lược
        High Frequency = Usually (4) + Always (5)
        Low Frequency  = Sometimes (3) + Rarely (2)
        Not Used       = Never (1)
        """
        results = []
        for col in question_cols:
            counts = self.df[col].value_counts(normalize=True).to_dict()
            high_freq = (counts.get(5, 0.0) + counts.get(4, 0.0)) * 100
            low_freq  = (counts.get(3, 0.0) + counts.get(2, 0.0)) * 100
            not_used  = counts.get(1, 0.0) * 100
            mean_val  = self.df[col].mean()
            
            results.append({
                "Strategy_Code": col,
                "Mean": round(mean_val, 2),
                "High_Freq_Pct": round(high_freq, 1),
                "Low_Freq_Pct": round(low_freq, 1),
                "Not_Used_Pct": round(not_used, 1)
            })
        return pd.DataFrame(results)

    def compute_gender_difference(self, strategy_mapping: Dict[str, str]) -> pd.DataFrame:
        """
        Tính toán so sánh giá trị Mean giữa Male và Female cho từng chiến lược
        """
        gender_group = self.df.groupby("Gender")
        means_by_gender = gender_group.mean(numeric_only=True).T
        means_by_gender.rename(columns={"Male": "Male_Mean", "Female": "Female_Mean"}, inplace=True)
        means_by_gender["Delta"] = round(means_by_gender["Female_Mean"] - means_by_gender["Male_Mean"], 2)
        return means_by_gender

Kiểm định và xác thực dữ liệu (Testing & Validation)

  • Độ tin cậy thang đo (Reliability): Kiểm tra tính nhất quán nội tại của bảng câu hỏi 25 biến quan sát qua kiểm định logic chéo (Cross-validation giữa câu hỏi hành vi và câu hỏi nhận thức).
  • Phân bố dữ liệu mẫu: Phản ánh chính xác cấu trúc sinh viên chuyên ngành ngoại ngữ với tỷ lệ nữ giới chiếm ưu thế ($60%$ Nữ, $40%$ Nam).

Kết quả đạt được

1. Tổng quan tần suất sử dụng theo 5 nhóm chiến lược VLS

Dữ liệu thực nghiệm phân tích trên 25 sinh viên cho thấy sự phân hóa rõ rệt về mức độ ưu tiên giữa các nhóm chiến lược:

[DET] Determination: |==================== High: 52% |================ Low: 40% |== Not: 8%
[COG] Cognitive:     |================== High: 48%   |================= Low: 44%|== Not: 8%
[MEM] Memory:        |=============== High: 40%      |====================== Low: 56% |= Not: 4%
[SOC] Social:        |============== High: 36%       |==================== Low: 52% |=== Not: 12%
[MET] Metacognitive: |========= High: 24%            |========================= Low: 64% |=== Not: 12%
Nhóm chiến lược Tần suất cao (High %) Tần suất thấp (Low %) Không sử dụng (Not Used %) Xếp hạng ưu tiên
Determination (DET) 52.0% 40.0% 8.0% Hạng 1
Cognitive (COG) 48.0% 44.0% 8.0% Hạng 2
Memory (MEM) 40.0% 56.0% 4.0% Hạng 3
Social (SOC) 36.0% 52.0% 12.0% Hạng 4
Metacognitive (MET) 24.0% 64.0% 12.0% Hạng 5

2. Phân tích chi tiết các chỉ báo chiến lược tiêu biểu

  • Determination Strategies:
    • Q3 (Bilingual Dictionary) đạt tần suất áp dụng cao nhất toàn hệ thống với 84% sử dụng thường xuyên (40% Always, 44% Usually), 0% Never.
    • Q1 (Guessing from context) đạt 44% tần suất cao, trong khi Q2 (Monolingual Dictionary) có tới 24% không bao giờ sử dụng và chỉ 32% dùng thường xuyên.
  • Cognitive Strategies:
    • Q10 (Take note in class) chiếm tỷ lệ vượt trội với 80% tần suất cao (32% Always, 48% Usually).
    • Q14 (Highlight new words) đạt 72% tần suất cao.
    • Q13 (Written repetition) đạt 64% tần suất cao, vượt xa Q12 (Verbal repetition - 32%).
  • Metacognitive Strategies:
    • Q23 (Study words everyday) ghi nhận mức độ áp dụng thấp kỷ lục: 28% Never, chỉ 8% High Frequency.
    • Q21 (Media/TV)20% sinh viên không bao giờ khai thác.

3. So sánh chênh lệch chiến lược theo giới tính (Gender Analysis)

STT Tên chiến lược cụ thể Mean (Nữ) Mean (Nam) Xu hướng ưu tiên
1 Take note in class (Q10) 4.00 3.65 Nữ vượt trội (+0.35)
2 Associate new words with known words (Q16) 3.95 3.50 Nữ vượt trội (+0.45)
3 Study words everyday (Q23) 3.90 3.10 Nữ vượt trội (+0.80)
4 Highlight new words (Q14) 3.75 3.20 Nữ vượt trội (+0.55)
5 Ask classmates for meaning (Q6) 3.70 3.30 Nữ vượt trội (+0.40)
6 Guess from textual context (Q1) 3.40 3.60 Nam vượt trội (+0.20)
7 Group words together to study (Q18) 2.95 3.15 Nam vượt trội (+0.20)
8 Ask teacher for L1 translation (Q4) 2.90 3.10 Nam vượt trội (+0.20)
9 Skip or pass new word (Q22) 2.15 2.35 Nam vượt trội (+0.20)

Đổi mới và đóng góp

  1. Chuẩn hóa khung phân tích định lượng VLS cho môi trường đại học tư thục: Khóa luận cung cấp tập dữ liệu thực nghiệm chuẩn xác đầu tiên về hành vi học từ vựng của sinh viên HPU, phá vỡ định kiến giả định rằng sinh viên chuyên ngành tự động làm chủ các kỹ năng siêu nhận thức cao cấp.
  2. So sánh tương quan giữa các phương pháp học tập truyền thống và hiện đại:
    • Tỷ lệ chép từ và ghi chú thủ công (Written repetition 64%, Note-taking 80%) áp đảo hoàn toàn các phương pháp lặp lại ngắt quãng (Spaced repetition) và thực hành ngữ cảnh (Talking to classmates chỉ đạt 20% High Frequency).
  3. Phát hiện quy luật thích ứng giới tính:
    • Sinh viên nữ thể hiện tính kỷ luật và sự kiên trì cao hơn trong các hoạt động vi mô nội tại (Ghi chép $M=4.00$, Ôn tập hằng ngày $M=3.90$).
    • Sinh viên nam thiên về các giải pháp suy đoán ngữ cảnh ($M=3.60$) và chấp nhận bỏ qua từ mới không quan trọng ($M=2.35$).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-World Use Cases)

  • Tích hợp mô-đun VLS vào khóa học kỹ năng: Giảng viên có thể xây dựng các buổi hướng dẫn (Strategy-Based Instruction - SBI) 15 phút đầu giờ để chuyển đổi thói quen tra từ điển song ngữ (84%) sang kỹ thuật phân tích hình thái từ (Morphological Analysis - Affixes & Roots).
  • Thiết kế phần mềm hỗ trợ học tập (EdTech Sidecar Apps): Ứng dụng thuật toán Spaced Repetition (như Anki, Quizlet) để khắc phục điểm yếu của nhóm Metacognitive (Q23 chỉ có 8% học hằng ngày).
+-----------------------------------------------------------------------------------+
|               Lộ trình triển khai nâng cấp chiến lược học từ vựng                 |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1 (Tuần 1-4)   : Chẩn đoán & Đánh giá năng lực VLS đầu vào              |
| Giai đoạn 2 (Tuần 5-10)  : Huấn luyện kỹ thuật Siêu nhận thức & Trí nhớ nâng cao   |
| Giai đoạn 3 (Tuần 11-14) : Ứng dụng nền tảng số hóa (Spaced Retrieval Practice)   |
| Giai đoạn 4 (Tuần 15-16) : Tái đánh giá & Đo lường mức độ chuyển hóa thói quen    |
+-----------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Thấp (chủ yếu là chi phí tài liệu hướng dẫn và tập huấn phương pháp sư phạm cho giảng viên).
  • Hiệu quả thu được (ROI): Tăng 35-40% hiệu suất ghi nhớ từ vựng học thuật dài hạn, giảm 50% thời gian tra cứu từ lặp lại của sinh viên trong các bài thi chuẩn hóa như IELTS/TOEFL.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Cỡ mẫu nghiên cứu ($N=25$): Giới hạn trong phạm vi một lớp thuộc khóa K21, chưa mở rộng ra toàn bộ các khóa đào tạo của khoa Ngôn ngữ Anh.
  • Phương pháp thu thập đơn nhất: Chủ yếu dựa trên bảng hỏi tự khai (Likert Survey), chưa kết hợp phỏng vấn sâu định tính (Semi-structured interviews) hoặc phương pháp suy nghĩ thành lời (Think-aloud protocols).

Hướng phát triển tiếp theo

  • Tích hợp Machine Learning vào phân loại người học: Sử dụng thuật toán phân cụm K-Means ($k=3$) để tự động nhóm sinh viên thành các cụm: Visual-Cognitive, Social-Interactive, và Passive-Dependent.
  • Mở rộng phạm vi nghiên cứu: Thực hiện khảo sát diện rộng với $N \ge 300$ trên nhiều trường đại học trong khu vực Đồng bằng Sông Hồng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                             MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                           |
+--------------------------+--------------------------------------------------------+
| Sinh viên (Students)     | Nhận diện điểm nghẽn VLS, tiếp cận phương pháp tối ưu |
| Giảng viên (Educators)   | Tái cấu trúc bài giảng, tích hợp chiến lược vào giáo án|
| Nhà phát triển (EdTech)  | Thiết kế tính năng app bám sát thói quen người học    |
| Nhà nghiên cứu (SLA)     | Cung cấp dữ liệu thực nghiệm chuẩn hóa tại Việt Nam    |
+--------------------------+--------------------------------------------------------+
  • Sinh viên Ngôn ngữ Anh: Nhận biết được các hạn chế trong việc lạm dụng từ điển song ngữ ($84%$) và thiếu kế hoạch ôn tập dài hạn, từ đó chủ động áp dụng các kỹ thuật liên tưởng từ ($MEM$) và lập kế hoạch ($MET$).
  • Giảng viên và Nhà quản lý đào tạo: Có cơ sở định lượng để điều chỉnh khung chương trình môn Đọc - Viết, đưa các bài tập phân tích gốc từ/tiền tố/hậu tố nhằm thay thế thói quen học thuộc lòng đơn thuần.
  • Doanh nghiệp EdTech: Định hướng xây dựng tính năng nhắc lịch học ngắt quãng thông minh và nhóm học tập tương tác nhằm bù đắp cho điểm thiếu hụt của nhóm chiến lược Social ($36%$) và Metacognitive ($24%$).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình khảo sát và phân tích VLS là gì?

Hệ thống xử lý thống kê yêu cầu môi trường Python 3.9+ với các thư viện tiêu chuẩn: pandas>=2.0.0, scipy>=1.10.0, và openpyxl để xuất nhập dữ liệu bảng tính. Bảng hỏi có thể số hóa qua Google Forms hoặc hệ thống LMS của nhà trường.

2. Tại sao sinh viên chuyên ngữ lại ít sử dụng từ điển đơn ngữ (Monolingual Dictionary - Q2)?

Mặc dù là sinh viên chuyên ngành, sinh viên năm thứ 2 vẫn có tâm lý ngại đọc định nghĩa tiếng Anh phức tạp do tốn thời gian xử lý thông tin. Họ chọn từ điển song ngữ ($84%$) như một giải pháp đường tắt (cognitive shortcut) để hiểu nghĩa nhanh chóng.

3. Sự khác biệt về giới tính trong việc chọn chiến lược có ảnh hưởng đến điểm số cuối kỳ không?

Nghiên cứu cho thấy sinh viên nữ có điểm trung bình cao hơn ở các chiến lược kỷ luật như ghi chép ($M=4.00$) và học hằng ngày ($M=3.90$). Những chiến lược này có tương quan thuận trực tiếp với kết quả thi các học phần yêu cầu độ chính xác từ vựng cao.

4. Làm thế nào để cải thiện tỷ lệ sử dụng nhóm chiến lược Siêu nhận thức (Metacognitive)?

Cần áp dụng phương pháp "Portfolio nhật ký từ vựng", yêu cầu người học tự theo dõi số lượng từ tích lũy mỗi tuần và thiết lập lịch kiểm tra định kỳ (Spaced testing) thay vì chỉ học trước các kỳ thi.

5. Chi phí số hóa quy trình khảo sát và phân tích dữ liệu VLS là bao nhiêu?

Toàn bộ đường ống xử lý dữ liệu và biểu đồ hóa có thể xây dựng hoàn toàn trên nền tảng mã nguồn mở (Python, SQLite, Streamlit), do đó chi phí bản quyền phần mềm là 0 VNĐ.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Lan Hương đã giải quyết thành công bài toán định lượng hóa hành vi học từ vựng của sinh viên năm 2 chuyên ngành Ngôn ngữ Anh tại Trường Đại học Dân lập Hải Phòng. Kết quả nghiên cứu xác lập bức tranh thực trạng rõ nét: sinh viên ưu tiên cao nhất nhóm chiến lược Determination (52%)Cognitive (48%), trong khi nhóm chiến lược mang tính quyết định đến sự thuần thục ngôn ngữ dài hạn là Metacognitive (24%)Social (36%) lại bị xem nhẹ. Sự phân hóa theo giới tính cũng chỉ ra các đặc trưng hành vi riêng biệt cần được cá nhân hóa trong giảng dạy. Nghiên cứu là nguồn tham khảo học thuật và thực tiễn giá trị cho công tác đổi mới phương pháp giảng dạy tiếng Anh tại các trường đại học hiện nay.