Promoted Peer Review in EFL Writing: Development in Students’ Perceptions and Feedback
Notice bibliographique
Résumé
While many studies have examined the impact of peer review on EFL students’ perceptions of peer review and acceptance and incorporation of feedback in their writing with the help of training or guidance and guide (check list), using a combination of these techniques plus multiplicity of review sessions, as a promotion, has been underexplored. This study aims to investigate the usefulness of training, guidance, and multiplicity of peer review sessions in changing students’ negative perceptions of peer review and increasing their acceptance and incorporation of feedback in EFL writing. Two training workshops and checklists were used to help students do the review, which was accomplished in five multiple sessions. Thirty-four students voluntarily participated in this study, which employed a five-item pre-/post methodology—the online survey and students’ written drafts as data collection instruments. To analyze the data, independent samples t-tests were used for the five-item survey, percentage of each peer session’s comments (i.e., comments made/comments incorporated) was calculated to assess peers’ acceptance of their partners’ feedback, and a repeated-measures ANOVA was conducted to determine whether participants incorporated more feedback over time. The results showed that, first, the participants revealed positive perceptions of the effectiveness of peer review. Second, the students highly accepted their peers’ feedback. Finally, the students incorporated a significantly higher quantity of reviewers’ feedback into second drafts at the end of every session, starting from the second session. The pedagogical implications of these findings 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 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 | 0,054 |
| 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 ».