Exploring Native and Non-Native EFL Teachers’ Oral Corrective Feedback Practices: An Observational Study
Notice bibliographique
Résumé
Commonly defined as L2 teachers’ responses to learners’ erroneous utterances, oral correctivefeedback (OCF) is an interactional classroom phenomenon which frequently occurs in foreignlanguage classes and has gained growing momentum in SLA research in recent years.However, how OCF preferences of English teachers vary in terms of their native-nonnativespeaker status remains as an uncharted territory of inquiry specifically in an expanding-circlecontext. This study aims to reveal the differences between in-class OCF practices of native andnon-native English-speaking teachers (NESTs & NNESTs) in Turkish EFL context and toexplore the cross-cultural influences that might affect these practices. To these ends, structuredclassroom observations and interviews were conducted with seven NESTs and seven NNESTs.The findings of the observations showed that the NESTs’ and NNESTs’ in-class OCF practicesdiffered considerably in terms of their tolerance of errors, preferred OCF types, the amount ofOCF and different types of OCF to different types of errors. Moreover, the follow-up interviewfindings demonstrated some similar and different dispositions between the teacher groupsconcerning several dimensions (whether, how, when, and which errors should be corrected, andby whom) including the effect of teaching experience and teacher education on their OCF-giving patterns.
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 | 0,002 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».