To Correct or Not to Correct: The Impact of Written Corrective Feedback on Improving Students’ Writing about Literature
Notice bibliographique
Résumé
This study examines the impact of direct and indirect written corrective feedback (WCF) on Omani English literature students’ use of tenses. The study took place over a period of two months at a university in the Sultanate of Oman. Data was collected from pre- and post-tests of 45 students who represented three groups: control group (N=15), direct group (n=15), and indirect group (n=15). The control group received no feedback, the direct group received feedback on their pre-test, intervention 1, and intervention 2. Their feedback was given directly; i.e., errors were underlined and corrections were given immediately. Indirect group also received feedback on their pre-test, intervention 1, and intervention 2, but their feedback was given indirectly; i.e., errors were underlined but corrections were not given. Students were encouraged to explore why these words were mistakes and were encouraged to correct them. The study’s findings were consistent with previous research that has found mixed results regarding the effectiveness of WCF on second language learners’ language accuracy. However, the study provides new insights by suggesting that direct feedback is more effective than indirect feedback since only direct group posttests were found to be significantly (p=0.02) better than their pretests. The findings are not claimed to be generalizable to other populations or contexts. They lead to recommendations for further research to determine the effectiveness of written corrective feedback on other groups of second language learners in different contexts and for different student populations, especially in the Middle East.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».