Challenging Traditional EFL Writing Classroom Using Al Mediated Tool: A Paradigm Shift
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Students usually find the traditional writing classroom cumbersome due to its teacher centered approach that hardly allows learners take charge of their own learning. As a result of not being actively engaged in the classroom and nature of writing requiring a rigorous practice, students lag behind in developing writing skills including the paraphrasing ones. In order to deal with this situation, this study employs QuillBot, an AI-mediated and learner-centered tool, in a group pre/post quasi-experimental research to mend EFL students' writing and paraphrase skillsSpecific focus areas include summarization, grammar and spelling, rewriting sentences, sequencing sentences, identifying correct sentences, and matching phrasal verbs. 25 EFL students enrolled in the Technical Report Writing course and using QuillBot, an AI-mediated tool, comprised the research sample. Through pre- and post-experimental assessments, researchers assessed how well the students' writing skills performed both before and after the experiment. The dependent-sample t-test affected the post-test results. It was shown that the AI-mediated tool QuillBot significantly enhanced the writing skills of EFL students. Furthermore, a semi-structured interview was carried out to cross-validate the information gathered from the written samples. The semi-structured interview included questions about the students' observations and experiences using the instrument. The researchers suggested using QuillBot in a writing class to help students master writing and paraphrasing techniques in light of the findings. The results of the present research into the AI-mediated tool QuillBot may have ramifications for addressing other EFL teaching and learning issues.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle