A Study on AI-Assisted Feedback in ESL Writing: A Case Study of ChatGPT
Notice bibliographique
Résumé
To explore the application value of artificial intelligence in language teaching, this study used 277 ESL compositions by Chinese learners as its corpus. It invited three senior English teachers and ChatGPT-4 to grade the same set of compositions and systematically compared the similarities and differences in their feedback. The study found that ChatGPT provided significantly more feedback than the teachers. Teachers’ feedback focused on grammatical and vocabulary errors, demonstrating the characteristic of "precise focus"; ChatGPT, by contrast, conducted comprehensive corrections, frequently replacing vocabulary and structures, thereby reflecting the feature of "comprehensive coverage." In terms of feedback focus, ChatGPT excelled at optimizing written language style and delivering comprehensive feedback, whereas teachers tended to employ strategies of indirect feedback and targeted local guidance. Regarding personalization, teachers offered positive encouragement tailored to students’ backgrounds, rendering their feedback highly personalized; ChatGPT’s feedback, in contrast, was standardized and lacked emotional care for learners. The study also identified limitations of ChatGPT: inaccurate or excessive corrections, coupled with weak detection of logical errors; feedback language often exceeding students’ proficiency level, with extensive reformulations increasing cognitive load (in contrast to teachers’ feedback, which aligns with the "i+1" principle); and inappropriate remarks or fabricated academic references, which undermine academic integrity, compromise research credibility, and obscure achievement attribution. Based on these findings, the study proposes optimization suggestions to provide useful insights for ESL writing teaching practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».