Functions and Focus of Supervisory Feedback on Undergraduate Students’ Theses Writing
Notice bibliographique
Résumé
In higher English education, undergraduate students improve in their academic writing through the feedback of their supervisors. Supervisor feedback can enhance students’ English writing, However, the functions and focus of feedback remain underexplored. This study examines the functions and focus of supervisory feedback on undergraduate students’ thesis writing across three drafts. The study adopts a descriptive research design to analyze supervisor feedback (369 comments) on undergraduate writing drafts among students enrolled in a Global Communication program at a Malaysian university. Fifteen thesis drafts submitted by five students (three drafts per student) were analyzed to identify the functions and focus of supervisory feedback during the academic writing process. The findings reveal that in terms of speech functions, the feedback can be categorized into three main types: directive, referential, and expressive. Directive feedback, which constitutes the largest proportion (56.6%), is primarily used to give explicit instructions for revision. Referential feedback, the second most frequent type (29.8%), provides information or corrections to support improvement. Expressive feedback, although less common (13.6%), serves to offer emotional support and encouragement. Feedback focus covers three key aspects of English proposal writing: content-related issues, organization, and editing appropriateness. Supervisors primarily focus on content, followed by editing appropriateness and organization. The study shows that the scaffolding through comments on successive drafts of thesis enabled undergraduate students to learn academic writing conventions in writing a research proposal.
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 | 0,000 | 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 | 0,000 |
| 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 ».