Implementing Wiki as an Asynchronous Tool to Enhance the Grammatical and Lexical Accuracy of Saudi Secondary-School Learners’ EFL Writing
Notice bibliographique
Résumé
Wikis have been increasingly integrated into English-writing teaching and have served as one of the Web’s most crucial social-networking tools, improving the writing of EFL learners worldwide. The purpose of this study has been to examine the positive effects of wiki-mediated collaborative writing and peer feedback on the grammatical and lexical accuracy of Saudi EFL learners’ writing. To this end, 26 female secondary-school learners participated in the study and were selected from a private school in Riyadh. They were randomly assigned to a control group (N=12) and an experimental group (N=14). Both groups were given an identical writing task. However, in the control group, members individually completed the task, which was then reviewed by the teacher, while in the experimental group, members collaboratively completed the task, which was then reviewed by peers on a wiki platform. The data collection for this study rests on pre- and post-writing tests. The obtained data suggest that collaborative writing and peer feedback on wiki significantly improved the participants’ grammatical, but not lexical, accuracy in their writing. However, the results of the post-test data also reveal that the experimental group outperformed the control group regarding the average total errors. The results confirm the efficiency with which wiki-based writing-oriented instruction can improve learners’ accuracy.
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 | 0,004 | 0,006 |
| 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 | 0,002 | 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) | 0,002 | 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 ».