Form‐focused instruction and learner investment in L2 communication
Notice bibliographique
Résumé
ABSTRACT The purpose of this study is to examine the role of form‐focused instruction (FFI) in relation to learner investment in second language (L2) communication. Although positive effects of FFI have been reported, most of this research has been conducted from a cognitive–interactionist perspective. Little attention has been paid to the social factors of FFI, including learner investment—a desire to learn a second/foreign language taking into consideration learners' socially constructed identities (Norton Peirce, 1995). Drawing on second language socialization theory (Duff, 2007) and using discursive practices (Young, 2009) as an analytic framework, this study examines how FFI influences learner investment in L2 communication in the classroom setting. Twenty‐four high school students in Japan participated in a study, where two Japanese teachers of English team‐taught four 50‐minute lessons. Each lesson contained a 15‐minute exclusively meaning‐focused activity and a 15‐minute form‐focused activity that included attention to both form and meaning. All students completed both types of activities. Data were collected through classroom observations, video‐recorded classroom interactions, stimulated recalls, interviews, questionnaires, and diaries, all of which were analyzed quantitatively and qualitatively. The results suggest that FFI created social contexts for learners to establish their identities as L2 learners, leading to greater investment in L2 communication.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».