Written Languaging and Engagement with Written Corrective Feedback: The Results of Reflective Teaching
Notice bibliographique
Résumé
For corrective feedback (CF) to contribute to second language (L2) development, some cognitive processes need to be completed. Learners need to notice and comprehend the CF, reflect on and deeply process it, and finally integrate it into their interlanguage (Gass, 1997). Written languaging (WL), which requires learners to explicitly explain to themselves why they have received CF, has been proposed as a technique which can stimulate deep cognitive processing of the written CF. In an effort to improve learners’ writing accuracy, I adopted WL, whereby upon receiving online direct corrections, learners typed their selfexplanations regarding the underlying reasons for their writing mistakes. Then, I engaged in systematic reflection and journaling during a 10-week semester to critically analyze the affordances and limitations of WL. The conclusion, drawn from my perceptions of the usefulness of WL originating from my journal writing, is that WL has the potential to not only facilitate learning for students but also can provide teachers with a rich description of learners’ cognitive and affective engagement with CF. Some recommendations are made for better implementation of this instructional technique. 
 Pour que la rétroaction corrective (RC) contribue au développement de la langue seconde (L2), des processus cognitifs doivent se produire. Les apprenants doivent remarquer et comprendre la RC, y réfléchir, la traiter profondément et pour finir, l’intégrer dans leur interlangue (Gass, 1997). La mise en langue écrite (MLE), qui exige des apprenants qu’ils s’expliquent à eux-mêmes de façon explicite pourquoi ils ont reçu de la RC, a été proposée comme une technique qui peut stimuler le traitement cognitif profond de la RC écrite. Dans le but d’améliorer la précision de la rédaction des apprenants, j’ai adopté la MLE, où, lorsqu’ils recevaient les corrections directes en ligne, les apprenants tapaient leurs propres explications sur les raisons pour lesquelles ils avaient commis des erreurs écrites. Ensuite, je me suis employé à réfléchir systématiquement et à tenir un journal pendant les 10 semaines que durait le semestre, afin d’analyser de façon critique les opportunités et les limitations de la MLE. La conclusion, tirée de mes perceptions de l’utilité de la MLE puisées dans mon journal, est que la MLE a non seulement le potentiel de faciliter l’apprentissage des apprenants, mais peut aussi fournir aux enseignants une riche description de l’engagement cognitif et affectif des apprenants eu égard à la RC. Des recommandations sont faites pour une meilleure mise en œuvre de cette technique d’enseignement.
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 | 0,000 |
| 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 | 0,001 | 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) | 0,001 | 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 ».