The Effect of Spatial Intelligence-based Metalinguistic Written Corrective Feedback on EFL Learners’ Development in Writing
Notice bibliographique
Résumé
Correcting and providing feedback to the written work of the learners has always been one of the hotly-debatedissues over the last decades. While a group of scholars argue in favor of the effectiveness of the written corrective(CF) feedback, others question the utility and usefulness of the CF on writing of the learners. Even there seem to befewer consensuses on the typology of the CF. Metalinguistic written corrective feedback (CF) (e.g., briefgrammatical descriptions and error codes) is a type of written feedback, through which teacher gives metalinguisticclue to the nature of the errors (Ellis, 2009). In this study, a different type of metalinguistic feedback, conceptualizedas spatial intelligence-based (SIB) metalinguistic written CF_ using the colorful stationery to write, highlight, locate,or underline the linguistic errors of the learners while giving feedback_ was used while providing feedback to thelearner’s work. In order to investigate the effectiveness of SIB metalinguistic written CF on English as a foreignlanguage (EFL) learners’ development in writing, 47 intermediate learners were randomly assigned into two groups.The learners in the first group received SIB metalinguistic written CF for their errors in writing, while the ones in thesecond group only obtained metalinguistic written CF for their errors. An independent samples t-test applied on thescores achieved from a posttest showed a significant difference in scores of the first group and that of theexperimental group. Results indicated that the accuracy (mechanics) and style of the writing of the first group ofstudents who received SIB correction for their linguistic errors exceled that of the second group students whosereceived written correction was only metalinguistic. However, there was no significant difference between thegroups in the content, and organization of their writing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».