MétaCan
Menu
← Retour à la cohorte
Enregistrement W3134825253 · doi:10.1017/9781108589789.031

Age and Corrective Feedback

2021· book-chapter· en· W3134825253 sur OpenAlexaff
A.C. De Vuono, Shaofeng Li

Notice bibliographique

RevueCambridge University Press eBooks · 2021
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensCarleton UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackPsychologyDescriptive researchDescriptive statisticsMathematics educationSociologyMathematicsSocial scienceStatistics

Résumé

récupéré en direct d'OpenAlex

A question that is of central significance but has been largely ignored in the literature is whether learners of different age groups benefit from corrective feedback in different ways. This chapter seeks to discuss the theory, research, and pedagogy pertaining to the role of age in mediating the incidence and effects of corrective feedback. The chapter begins with a theoretical explanation of the relationship between age and corrective feedback. It then zeroes in on descriptive research investigating feedback provided to children by their parents or caregivers while acquiring their first language. It proceeds to discuss feedback in second language learning, summarizing descriptive research conducted in the language classroom and laboratory contexts. The effects of input-providing and output-prompting feedback from descriptive and experimental research were analyzed through the lens of participants’ ages. One pattern that emerged from the research is that output-prompting feedback leads to greater linguistic gains than input-providing feedback among child learners. The chapter concludes with implications for researchers and teachers, proposing ways to carry out research to examine the various issues surrounding the role of age through research and ways to maximize the effects of feedback for learners of different ages in the second language classroom.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,034
Tête enseignante GPT0,193
Écart entre enseignants0,159 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetEFL/ESL Teaching and Learning→Travaux en français237 207→