MétaCan
Menu
Retour à la cohorte
Enregistrement W2884479868 · doi:10.5539/elt.v11n8p143

The Effect of Oral Corrective Feedback on Article Errors in L3 English: Prompts vs. Recasts

2018· article· en· W2884479868 sur OpenAlexvenueno aff
Pawan M. Doski, Filiz CELE

Notice bibliographique

RevueEnglish Language Teaching · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackPsychologyTest (biology)Context (archaeology)Task (project management)ArabicMathematics educationLinguistics

Résumé

récupéré en direct d'OpenAlex

This study examines the effect of prompts and recasts in providing CF for the article errors by Kurdish-Arabic bilinguals who learn English as a third language. 39 lower-intermediate Kurdish-Arabic bilingual learners of English were tested on three tests: pre-, post-, and delayed post-tests. The participants were randomly put into three groups: (1) prompt group (n =15), (2) recast group (n = 14), and (3) no feedback group (n = 10). Each group completed 28 dialogues, which included articles in a Forced Choice Elicitation Task (FCET) as a pre-test. The same test was given to the three groups as post- and delayed post-tests. Between the pre-test and the post-test, the prompt and recast groups took a treatment which involved an interactional activity that aimed the FCET, in which the former took CF in the form of prompts, and the latter took it as recasts for their article errors in L3 English.Results showed that all groups were the same in the pre-test. In addition, both the prompt and recast groups were similar in post-test but were significantly better than the group which did not receive any feedback. In delayed post-test, the prompt group significantly outperformed the other two groups. These findings suggest that prompts are more effective than recasts in providing oral feedback over the long term. The error analysis, on the other hand, revealed that among the four contexts of articles, all students had the highest error rate in the [-def, +spec] context in both pre- and post-tests. These were substitution errors rather than omission errors, which shows that the students fluctuated between definiteness and specificity settings. In delayed post-test, the prompt group significantly made fewer errors than the other two groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,258
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207