MétaCan
Menu
Retour à la cohorte
Enregistrement W2788114391 · doi:10.18806/tesl.v34i2.1267

A Three-Stage Model for Implementing Focused Written Corrective Feedback

2017· article· en· W2788114391 sur OpenAlexvenueno aff
Sin Wang Chong

Notice bibliographique

RevueTESL Canada Journal · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackOperationalizationFocus (optics)Computer scienceMathematics educationPedagogyLinguisticsPsychologyHumanitiesPhilosophyEpistemologyPhysics

Résumé

récupéré en direct d'OpenAlex

This article aims to show how the findings from written corrective feedback (WCF) research can be applied in practice. One particular kind of WCF—focused WCF— is brought into the spotlight. The article first summarizes major findings from focused WCF research to reveal the potential advantages of correcting a few preselected language items instead of all errors. It is argued that the majority of the focused WCF research, which has adopted an experimental or quasi-experimental design, has had limited pedagogical implications for second language (L2) writing teachers. Thus, the second section puts forward a three-stage model for operationalizing focused WCF, which includes selecting the focus, teaching the focus, and reinforcing the focus. Pedagogical ideas will be included in each of the stages to give writing teachers a clear idea of how to justify the selection of a language focus and implement WCF in a systematic manner.Cet article a comme objectif de démontrer comment les résultats de recherche portant sur la rétroaction corrective écrite (RCE) peuvent être appliqués à la pratique. La recherche touche plus précisément un type particulier de rétroaction corrective écrite, la RCE ciblée. L’article débute par un résumé des résultats majeurs découlant de la recherche sur la RCE ciblée et ainsi, révèle les bienfaits potentiels de corriger quelques items langagiers présélectionnés au lieu de toutes les erreurs. Nous faisons valoir que la majorité de la recherche sur la RCE ciblée, qui a adopté une méthodologie expérimentale ou quasi-expérimentale, a eu des retombées pédagogiques limitées pour les enseignants de l’écriture en langue seconde. La deuxième section avance donc un modèle à trois étapes visant de rendre fonctionnelle la RCE ciblée et qui implique, entre autres, l’identification, l’enseignement et le renforcement des items ciblés. Chaque étape sera accompagnée de concepts pédagogiques de sorte à donner aux enseignants une vision claire pour la sélection d’items langagiers et la mise en œuvre systématique de la RCE ciblée.

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)0,000
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,086
Tête enseignante GPT0,281
Écart entre enseignants0,195 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207