MétaCan
Menu
Retour à la cohorte
Enregistrement W3108550454 · doi:10.18806/tesl.v37i2.1336

Second Language Learners’ and Teachers’ Perceptions of Delayed Immediate Corrective Feedback in an Asynchronous Online Setting An Exploratory Study

2020· article· en· W3108550454 sur OpenAlexvenueno aff
Laia Canals, Gisela Grañena, Yücel Yılmaz, Aleksandra Malicka

Notice bibliographique

RevueTESL Canada Journal · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackAsynchronous communicationExploratory researchContext (archaeology)PerceptionPsychologyPedagogyComputer scienceMathematics educationSociology

Résumé

récupéré en direct d'OpenAlex

Online language courses that rely on asynchronous teacher-learner communication face a practical problem when it comes to the provision of immediate corrective feedback by the teacher in oral interaction tasks. In this learning context, learners can still communicate synchronously and record their interaction without the teacher being present, but feedback by the teacher will be delayed in time. Research indicates that the effectiveness of feedback decreases as the time between the error and the correction increases and that immediate feedback is more effective (Arroyo & Yilmaz, 2018; Shintani & Aubrey, 2016). In this exploratory study conducted at an online university, we implemented a novel type of feedback we referred to as delayed immediate corrective feedback (DICF) and analyzed second language learners’ and teachers’ perceptions regarding its effectiveness and usefulness. Our goal was to assess the feasibility of implementing this type of feedback in our context and, ultimately, in other contexts where communication between teachers and learners takes place asynchronously. DICF was provided by teachers orally via screencast video. Learners and teachers’ perceptions were collected via two separate questionnaires. The results showed that teachers and learners responded positively to DICF and several potential benefits were identified. Les cours de langue en ligne qui s’appuient sur la communication asynchrone enseignant-apprenant rencontrent un problème pratique quand vient le temps de fournir de la rétroaction corrective immédiate par l’enseignant lors des tâches d’interaction orale. Dans ce contexte d’apprentissage, les apprenants peuvent toujours communiquer de manière synchrone et enregistrer leur interaction sans que l’enseignant soit présent, mais la rétroaction de l’enseignant sera décalée dans le temps. La recherche indique que l’efficacité de la rétroaction diminue au fur et à mesure que le temps entre l’erreur et la correction augmente, et que la rétroaction immédiate est plus efficace (Arroyo & Yilmaz, 2018; Shintani & Aubrey, 2016). Dans cette étude exploratoire menée auprès d’une université en ligne, nous avons mis en place une nouvelle forme de rétroaction, que nous avons appelée rétroaction corrective immédiate retardée (RCIR), et nous avons analysé les perceptions des apprenants de langue seconde et des enseignants quant à son utilité et à son efficacité. Notre objectif était d’évaluer la faisabilité de mettre en place ce type de rétroaction dans notre contexte, et par extension, dans d’autres contextes où la communication entre apprenants et enseignants se passe de manière asynchrone. La RCIR a été fournie oralement par des enseignants à l’aide de vidéos d’écrans. Les perceptions des apprenants et des enseignants ont été recueillies dans deux questionnaires distincts. Les résultats ont montré qu’apprenants et enseignants ont réagi à la RCIR de manière positive et plusieurs avantages potentiels ont été identifiés.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,795
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,025
Tête enseignante GPT0,257
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEFL/ESL Teaching and LearningTravaux en français237 207