MétaCan
Menu
Retour à la cohorte
Enregistrement W2125936070 · doi:10.14483/22487085.96

Blogging: A way to foster EFL writing

2011· article· en· W2125936070 sur OpenAlexaboutno aff
LUZ QUINTERO

Notice bibliographique

RevueColombian Applied Linguistics Journal · 2011
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArgumentativeWriting processAction researchCollaborative writingProcess (computing)Professional writingPedagogyAction (physics)PsychologyMathematics educationComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

This article reports on the results of an action-research project carried out with agroup of first year university students from an “English Program” at a public university in Bogotá. The project aimed to gain insights into EFL writing and to analyze the role that feedback played in the process of writing. The experience was implemented through the interaction of two groups of students, one from Colombia and the other from Canada, who interacted regularly by means of using blogs. Students were provided with three different spaces: a personal blog in which they wrote about topics of personal interest, a group blog that allowed students to work and write cooperatively, and a debate blog that required the use of argumentative writing. The findings of this research suggest that EFL writing is greatly developed when students feel part of a community to interact with and to share similar interests and language learning goals which are mediated, in this case, by technology. It was also found that by writing in blogs students not only developed their writing but more importantly, students have the possibility to portray and show their own selves through the written pieces they post. Finally, the feedback was found to be beneficial in EFL writing as it was a crucial ingredient that gave student-writers tools to scaffold in the writing process.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,258
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations45
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColombian Applied Linguistics JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207