Oral Corrective Feedback and Error Analysis: Indonesian Teachers’ Beliefs to Improve Speaking Skill
Notice bibliographique
Résumé
This research was to investigate Indonesian teachers’ beliefs about the application of oral corrective feedback in Indonesian students’ EFL classrooms. It was limited to oral corrective feedback given for lexical, phonological, and syntactical errors in English conversation class. The participants of this research were 36 English teachers and 65 Indonesian students of English as a foreign language. This research utilized both qualitative and quantitative approaches, including the use of a close-ended questionnaire, semi-structured interview, and audio-recording to find the effectiveness of oral corrective feedback on students’ errors in speaking skills. The data analysis revealed: (1) the grammatical errors in students’ oral proficiency, (2) the most type of English teachers’ oral corrective feedback, (3) the students’ uptake in speaking skills, (4) the analysis of the use of oral corrective feedback, (5) the kinds of the students’ error based on English teachers’ experiences, (6) the students’ self-awareness of language errors, (7) the way of English teacher when delivering oral corrective feedback, (8) the students’ reasons to use oral corrective feedback based on English teachers’ beliefs, and (9) English teachers’ motivations to use oral corrective feedback. These findings suggested that English teachers should understand the students’ diverse needs, concerns, and expectations toward error correction according to their level of language proficiency.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».