Processing immediate written corrective feedback during online collaborative writing: A depth of processing perspective
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
This study investigates how learners process immediate written corrective feedback (IWCF) during collaborative writing tasks in a synchronous, computer-mediated environment. Drawing on depth of processing (DoP) as an analytical lens, the study examines how feedback type—direct, indirect, and metalinguistic—influences learner engagement and immediate accuracy. Data were collected from intermediate-level learners of French as a second language (L2) using screen recordings, chat logs, and Google Docs revisions during online writing tasks. Results indicate that feedback type significantly shaped learners’ engagement. Direct feedback led to high rates of immediate correction but was typically associated with minimal cognitive engagement. In contrast, metalinguistic feedback prompted deeper processing, characterized by hypothesis testing, rule recall, and collaborative negotiation. Indirect feedback produced mixed results: while some learners overlooked it, others engaged in collaborative problem-solving to interpret and revise errors. The synchronous context appeared to amplify the impact of feedback by enabling real-time interaction, visibility, and reinvestment of teacher comments into the writing process. These findings highlight the importance of tailoring feedback types to task goals and learner needs, particularly within task-based language teaching (TBLT) frameworks. The study underscores the pedagogical potential of combining real-time feedback with structured peer collaboration in digital environments to support both accuracy and autonomy in L2 writing. Implications are discussed for optimizing corrective feedback practices in online, task-based instructional settings.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 découle