MétaCan
Menu
Retour à la cohorte
Enregistrement W4410135983 · doi:10.5539/ijel.v15n3p1

Corrective Feedback in CALL: Individual Voices Speak Out Through Think-Alouds

2025· article· en· W4410135983 sur OpenAlexvenueno aff
Jean Marguerite Jimenez

Notice bibliographique

RevueInternational Journal of English Linguistics · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrective feedbackBusinessPsychologyComputer scienceCommunicationMathematics education

Résumé

récupéré en direct d'OpenAlex

This paper presents research conducted as part of a larger computer-mediated experiment which investigated the effects of preprogrammed computer-delivered corrective feedback on foreign language development. The research also explored learners’ attitudes regarding corrective feedback and how it may help them notice the gap between their interlanguage (IL) and the target language (TL), focusing on the relationship between types of corrective feedback and level of awareness. It is this last aspect of the study that will be addressed in this paper. Specifically, concurrent verbal reports (think-alouds protocols) were employed to investigate whether learner processing of corrective feedback differs depending on the type of feedback and type of activity. While the small sample size (N=17) limits the generalizability of the findings, the results offer valuable insights into the role of corrective feedback in language learning and its potential to enhance learners’ metalinguistic awareness. Overall, corrective feedback encouraged reflection and appeared to help learners recognize their errors. The results indicate that explicit feedback in receptive tasks was particularly effective in promoting higher levels of awareness and facilitating successful self-correction, although varying levels of awareness were observed across all treatment groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,026
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,304
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207