Corrective feedback, individual differences in working memory, and L2 development
Notice bibliographique
Résumé
The present study investigated the differential effects of explicit corrections, meta-linguistic corrective feedback (CF), and analogy-based CF on L2 learners' acquisition of English third-person singular form -s and whether and how individual differences in working memory (WM) mediate such effects. One hundred secondary school English-as-a-foreign-language (EFL) learners at a junior middle school in inland China were randomly assigned to the explicit correction group (EG), the meta-linguistic CF group (MG), the analogy-based CF group (AG), and the control group (CG). Learners performed both an information-gap activity and a picture-description activity where their errors on target structure were treated according to their group assignment. The Untimed Grammatical Judgement Test (UGJT) and the Elicited Oral Production Test (EOPT) were used to measure learners' resulting performance. Learners' WM was measured with operation span test. Results revealed that (1) compared to the control group, all the CF groups significantly improved their performance of English third-person singular form -s over time; (2) explicit corrections and meta-linguistic CF displayed superior advantages over analogy-based CF on the immediate posttest. However, the three CF groups demonstrated no significant difference in their performance of English third-person singular form -s on the delayed posttest; (3) WM was only able to predict the effects of analogy-based CF but not explicit corrections and meta-linguistic CF; and (4) analogy-based CF was more favorable to learners with higher WM who can regulate their limited attentional resources more efficiently, whereas explicit corrections and meta-linguistic CF equalize learning opportunities for all learners with different levels of WM. The findings of this study suggest optimal, profile-matched pedagogical options for L2 learning through identifying CF conditions that cater to the needs of young learners with different levels of WM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».