MétaCan
Menu
Retour à la cohorte
Enregistrement W2895515202 · doi:10.1177/1362168818802469

The revision and transfer effects of direct and indirect comprehensive corrective feedback on ESL students’ writing

2018· article· en· W2895515202 sur OpenAlexaff
Khaled Karim, Hossein Nassaji

Notice bibliographique

RevueLanguage Teaching Research · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackPsychologySecond language writingControl (management)Mathematics educationPeer feedbackLinguisticsSecond languageComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study investigated the short-term and delayed effects of comprehensive written corrective feedback (WCF) on L2 learners’ revision accuracy and new pieces of writing (i.e., the transfer effect of feedback). Three types of feedback were compared: direct feedback and two types of indirect feedback that differed in their degree of explicitness (i.e., underlining only and underlining+metalinguistic cues). Fifty-three intermediate level learners of English as a second language (ESL) were divided randomly into four groups: One direct, two indirect, and a control group. Students produced three pieces of writing from different picture prompts and revised them over a three-week period. Each group also produced a new piece of writing two weeks later. The study included seven sessions: Writing 1, revision of Writing 1, Writing 2, revision of Writing 2, Writing 3, revision of Writing 3, and Writing 4 (delayed writing). The results showed that all the three feedback groups significantly outperformed the control group in revision tasks. Some short-term accuracy improvements were also found on new pieces of writing for direct and underlining+metalinguistic feedback, but the effects were largely non-significant.

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)0,036
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,036
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,370
Écart entre enseignants0,326 · 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

Citations159
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Teaching ResearchMême sujetEFL/ESL Teaching and LearningTravaux en français237 207