MétaCan
Menu
Retour à la cohorte
Enregistrement W2895770164 · doi:10.64152/10125/44663

Child-to-child interaction and corrective feedback during eTandem ESL–FSL chat exchanges

2018· article· en· W2895770164 sur OpenAlexaboutno aff
Christine Giguère, Susan Parks

Notice bibliographique

RevueLanguage learning & technology · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Communication and Language
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackComputer-mediated communicationPsychologyLinguisticsComputer scienceCommunicationWorld Wide WebMathematics educationThe Internet

Résumé

récupéré en direct d'OpenAlex

This study examined the role of corrective feedback in the context of an English as a second language (ESL) and French as a second language (FSL) eTandem chat exchange involving Grade 6 students. The students were enrolled in intensive programs in the provinces of Quebec and Ontario and had an elementary to low- intermediate level of language proficiency. Tasks were completed on a weekly basis over a 9-week period. Six tasks completed by 13 pairs were retained for analysis. The analysis showed that the ESL and FSL students provided three types of feedback: explicit feedback, recasts, and negotiation of form. Unlike the study by Morris (2005), which involved Grade 5 second language (L2) Spanish students, the preference in this study was for explicit feedback. This difference was attributed to the tandem approach which emphasizes training in how to give feedback as well as school culture. Differences between the amount of feedback provided during the ESL and FSL exchanges were also observed. Here, too, the influence of school culture appears to have been a factor. The ESL students appeared to be more positively oriented to L2 learning, reflected in a higher appreciation of the tandem learning exchange. Implications for teaching and the need of future research are 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 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)0,004
score de la tête « metaresearch » (Gemma)0,034
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,006
Tête enseignante GPT0,246
Écart entre enseignants0,240 · 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage learning & technologyMême sujetDigital Communication and LanguageTravaux en français237 207