MétaCan
Menu
Retour à la cohorte
Enregistrement W3133519056 · doi:10.1017/9781108589789.019

Corrective Feedback and the Development of Second Language Vocabulary

2021· book-chapter· en· W3133519056 sur OpenAlexaff
Nobuhiro Kamiya, Tatsuya Nakata

Notice bibliographique

RevueCambridge University Press eBooks · 2021
Typebook-chapter
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensCarleton UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackVocabularyGrammarComputer sciencePsychologySecond-language acquisitionLinguisticsCognitive psychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

This chapter considers the role corrective feedback plays in second language vocabulary acquisition. The first half of the chapter considers the effects of oral corrective feedback. We first provide a classification of oral corrective feedback, and then discuss findings from existing descriptive and experimental studies, followed by pedagogical implications of the findings. Past studies have suggested that vocabulary tends to benefit more from oral corrective feedback than grammar or morphosyntax, possibly due to the high degree of noticeability and less complex abstract nature of vocabulary. The latter half of the chapter discusses the effects of written corrective feedback. After providing a classification of written corrective feedback, we present two major research frameworks: feedback-for-accuracy and feedback-for-acquisition. The chapter then presents results of experimental studies, followed by pedagogical implications of the findings. Existing studies have suggested that written corrective feedback may lead to more appropriate use of vocabulary in subsequent revisions; however, it is not yet clear whether these positive effects can be carried over to a new piece of writing. The chapter concludes with suggestions for further research and calls for more research comparing the effects of different types of corrective feedback, both oral and written, on vocabulary learning.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,998

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetSecond Language Acquisition and LearningTravaux en français237 207