The Effects of Corrective Feedback on Chinese Learners’ Writing Accuracy: A Quantitative Analysis in an EFL Context
Notice bibliographique
Résumé
Scholars debate whether corrective feedback contributes to improving L2 learners’ grammatical accuracy in writingperformance. Some researchers take a stance on the ineffectiveness of corrective feedback based on theimpracticality of providing detailed corrective feedback for all L2 learners and detached grammar instruction inlanguage classrooms. On the other hand, many researchers promote the efficacy and significance of the role playedby corrective feedback in the process of L2 writing. This research employs a quasi-experimental design andexamines two major issues: (1) the extent to which CF facilitates or improves students’ writing accuracy; (2) students’expectations and preferences for CF. The research consists of 105 college level EFL learners from three intact classesin an Eastern Chinese University. One class was assigned to the control group which only received comments oncontent of their writing. The other two classes were then assigned to each of the two experimental groups whichreceived indirect or direct CF. Data collection includes student text/error analysis, treatments (i.e., provision ofcorrective feedback), examination of tests (i.e., pretest, posttest and delayed posttest), and questionnaires. Within aresearch period of ten weeks, this study did not reveal statistically significant group differences between the two CFgroups and the control group on overall error reduction. However, students believed CF was important and beneficial,although there is contradiction between what the students believed and their teachers’ actual practices in theclassroom. Pedagogical recommendations for EFL teachers are also discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».