MétaCan
Menu
Retour à la cohorte
Enregistrement W2057793452 · doi:10.1111/j.1467-9922.2009.00512.x

Prompts Versus Recasts in Dyadic Interaction

2009· article· en· W2057793452 sur OpenAlexaff
Roy Lyster, Jesús Izquierdo

Notice bibliographique

RevueLanguage Learning · 2009
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyCorrective feedbackContext (archaeology)Class (philosophy)Second-language acquisitionRepeated measures designDifferential effectsDevelopmental psychologyFirst languageLinguisticsMathematics education

Résumé

récupéré en direct d'OpenAlex

This study investigated the differential effects of prompts and recasts, in the context of dyadic interaction, on the acquisition of grammatical gender by adult second language learners of French. Participants were 25 undergraduate students enrolled in an intermediate‐level French course at an English‐speaking university. All students were exposed in class to a 3‐hr form‐focused instructional treatment distributed over 2 weeks and were then randomly placed in either the recast or prompt group. On two occasions outside of class, individual students participated in three different oral tasks during dyadic interaction with a native or near‐native speaker of French who, following learner errors in grammatical gender, provided feedback in the form of either prompts or recasts. Pretests and immediate and delayed posttests included two oral production tasks and a computerized reaction‐time binary‐choice test. Results of repeated‐measures ANOVA showed that both groups significantly improved accuracy and reaction‐time scores over time, irrespective of feedback type. We conclude that learners receiving recasts benefited from the repeated exposure to positive exemplars as well as from opportunities to infer negative evidence, whereas learners receiving prompts benefited from the repeated exposure to negative evidence as well as from opportunities to produce modified output.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,033
Tête enseignante GPT0,296
Écart entre enseignants0,262 · 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

Citations255
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage LearningMême sujetEFL/ESL Teaching and LearningTravaux en français237 207