Integrating Divergent Assessment (DA) and Task Based Language Teaching (TBLT) in Argumentative Essay Writing Classrooms: An Experimental Study to Develop Iraqi EFL Learners’ Writing Skills
Notice bibliographique
Résumé
The researchers delved into the practice of divergent assessment (DA) and participation in assessment while emphasizing task-based language learning (TBLT) as instruction in argumentative essay courses in an Iraqi EFL context. In doing so, they formed 3 classes, namely a traditional class, a DA exercise with a traditional class, and a TBLT exercise with a traditional class, to investigate the differences that such practices can induce in the writing quality of EFL learners. performance Post-test analysis and one-way ANOVA show that the CONV TBLT class (M = 3.97) significantly outperformed the CONV DA group (M = 2.98) in terms of better argumentative writing. This study shows how EFL learners respond to the integration of DA and TBLT with compliant writing instruction. The researchers used two parallel argumentative writing tasks before and after the DA and TBLT treatment. The results of the study rejected the researchers' null hypotheses, showing that both DA and TBLT were reliably effective in increasing Iraqi EFL students' argumentative essay excellence, with TBLT having a slightly higher neck than DA. The final result of the study clearly shows that the CONV TBLT group showed a significantly higher mean score than the CONV DA and CONV groups. The CONV DA group showed a significantly higher mean score than the CONV group.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».