MétaCan
Menu
Retour à la cohorte
Enregistrement W2012262111 · doi:10.1017/s0958344008000621

Blending classroom instruction with online homework: A study of student perceptions of computer-assisted L2 learning

2008· article· en· W2012262111 sur OpenAlexaff
Nuria Sagarra, Gabriela C. Zapata

Notice bibliographique

RevueReCALL · 2008
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWorkbookVocabularyGrammarMathematics educationPerceptionPsychologySet (abstract data type)Computer scienceMedical educationMedicineLinguistics

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the impact of an online workbook on the attitudes of 245 second language (L2) Spanish learners toward this pedagogical tool over two consecutive semesters. The treatment consisted of four hours of classroom instruction and one set of online homework per week, during two consecutive semesters. Students' attitudes toward the electronic workbook were measured by means of a survey administered after eight months of exposure to the workbook. The qualitative data of the survey was compared to quantitative data from two different language assessment tests. The results of these tests indicated a significant increase in grammar scores. These results are consonant with the positive findings of student perceptions about the online workbook obtained in this and previous studies, emphasizing its benefits in terms of accessibility to the material, user-friendliness, and instant error feedback. More importantly, most students praised the usefulness of the online workbook for language learning, particularly in the areas of grammar and vocabulary acquisition. Despite participants' mostly positive attitudes, the survey also revealed some negative aspects of the use of the online workbook, such as the amount of time needed to complete the online exercises. This paper addresses these issues, and provides suggestions to overcome this type of problem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,284
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations109
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReCALLMême sujetEFL/ESL Teaching and LearningTravaux en français237 207