The role of task repetition and learner self-assessment in technology-mediated task performance
Notice bibliographique
Résumé
Abstract This study examines the impact of task repetition on second language learners’ task performance and the mediating role of teacher feedback and learner self-assessment on oral performance. The study was conducted in a university-based English for Academic Purposes (EAP) program, where, as part of a course, intermediate proficiency learners ( n = 52) were tasked with preparing and delivering a technology-mediated oral presentation (i.e., task) on a topic of their choice. First, they presented the task to the whole-class, reflected on their performance in terms of language and format quality, and received teacher’s feedback. Four weeks later, they produced a second recording and reflected on it again. A comparison group ( n = 26) also delivered a presentation before a class but did it once, without reflection or teacher feedback. Both groups used technology to prepare, deliver, and document their presentations. The recordings were rated on six rubric-determined traits by the teacher and an independent rater, and the scores were compared between groups. To determine the effects of self-assessment, coupled with teacher feedback, on task repetition, learners’ written reflections and teacher’s comments were analyzed using discourse coding techniques. The results revealed benefits for task repetition and self-assessment during the performance of the same task for the experimental group, confirming the importance of task repetition in EAP contexts and the need for continuous and teacher-supported learner self-assessment in learner task performance and outcome.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».