MétaCan
Menu
Retour à la cohorte
Enregistrement W4391609479 · doi:10.5430/wjel.v14n2p478

Feedback in the Very Young Learner EFL Classroom: A Review Study

2024· review· en· W4391609479 sur OpenAlexvenueno aff
Manal Saleh M. Alghannam

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesQassim University
Mots-clésComputer scienceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This review article contributes to addressing an urgent issue in today's globalised world. English has become the world lingua franca and many countries are seeking to equip their workforce with English competence so as to engage fully in international social, economic and academic fora. This often entails lowering the age at which children start to learn English in school, which places a heavy responsibility on the educational system in countries, such as Saudi Arabia, where English is a foreign language, i.e., not widely used in day-to-day life in the country outside the English classroom. Yet many aspects of teaching young learners a foreign language at age six onwards have not been extensively investigated. One of these is the key issue of how the teacher should best give feedback to children of that age. Feedback is widely regarded as the key to learning, but not all its types are necessarily effective. Furthermore, most research has been on older children and adults. The present study therefore uses the method of qualitative systematic literature review to assemble and analyse existing research and theory with the aim to extract guidelines for feedback by teachers in foreign language classrooms with very young learners. It is found that attention should be given not only to negative, corrective feedback on the language used, which is often the focus of teacher attention. A case is made for the place and value of positive feedback and feedback of communicative and emotional types. Even in corrective feedback it is often better to use partial rather than total correction, so as to give the child space to self-correct.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,398
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207