Metacognitive Instruction and Interactional Feedback in a Computer-Mediated Environment
Notice bibliographique
Résumé
Multiple theoretical frameworks support the notion of interactional feedback as facilitative of second language (L2) development. However, research demonstrates that learners often avoid providing feedback during peer collaborative work, thus failing to take advantage of key opportunities for language learning and development. Recent studies have examined how metacognitive instruction (MI) may be used to explicitly train learners in the provision of interactional feedback, with results showing increased instances of feedback (Fujii et al., 2016) and improved L2 outcomes (e.g., Sato & Loewen, 2018; Sippel, 2019). Building on this work, this exploratory study investigated the effects of MI on intermediate L2 English learners’ (n = 26) provision of interactional features in synchronous computer-mediated communication. Using a pretest-treatment-posttest design, all learners completed three decision-consensus tasks, with learners in the treatment group receiving direct instruction on the benefits of interaction via an instructional video, a practice task, and subsequent whole-class debriefing. The control group completed the tasks without MI. Results demonstrate that learners’ provision of interactional feedback and language-related episodes increased following MI, with qualitative measures indicating learners had positive perceptions of the training and improved awareness of the potential benefits of interactional feedback in computer-mediated communication. De multiples approches théoriques soutiennent la notion de rétroaction interactionnelle comme facilitateur du développement d’une langue seconde (L2). Cependant, les recherches démontrent que les apprenants évitent souvent de présenter une rétroaction pendant le travail collaboratif entre pairs, ne profitan ainsi pas des principales possibilités d’apprentissage et de développement des langues. Des études récentes ont examiné comment l’enseignement métacognitif (EM) peut être utilisé pour former explicitement les apprenants à la rétroaction interactionnelle, les résultats montrant une augmentation des cas de rétroaction (Fujii et al., 2016) et une amélioration des résultats en L2 (par exemple, Sato & Loewen, 2018; Sippel, 2019). S’appuyant sur ces travaux, cette étude exploratoire a examiné les effets de l’EM sur l’offre de fonctions interactionnelles dans la communication synchrone par ordinateur aux apprenants d’anglais de niveau intermédiaire L2 (n = 26). En utilisant un modèle de pré-traitement-post-test, tous les apprenants ont accompli trois tâches de consensus décisionnel, les apprenants du groupe de traitement recevant des consignes directes sur les avantages de l’interaction via une vidéo pédagogique, une tâche de pratique et un compte rendu ultérieur pour toute la classe. Le groupe de contrôle a effectué les tâches sans EM. Les résultats montrent que l’apport d’une rétroaction interactionnelle et d’épisodes liés à la langue par les apprenants a augmenté après l’EM, avec des mesures qualitatives indiquant que les apprenants avaient des perceptions positives de la formation et une meilleure sensibilisation aux avantages potentiels de la rétroaction interactionnelle dans la communication par ordinateur.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».