MétaCan
Menu
Retour à la cohorte
Enregistrement W4417419813 · doi:10.1093/applin/amaf082

Self-regulated learning and its impact on scaffolded feedback effectiveness in EFL learning

2025· article· en· W4417419813 sur OpenAlexaff
Ehsan Rassaei, Hossein Nassaji

Notice bibliographique

RevueApplied Linguistics · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEnglish as a foreign languageControl (management)Multilevel modelSecond languageApplied linguisticsCorrective feedbackEnglish languageSecond-language acquisition

Résumé

récupéré en direct d'OpenAlex

Abstract Although the efficacy of scaffolded feedback (SF) is premised on its role in pushing learners toward self-regulated performance, its relationship with self-regulated learning (SRL) has remained underexplored. This study examines how SRL predicts the effectiveness of SF. Sixty-two intermediate English as a Foreign Language learners were randomly assigned to an experimental group and a control condition. The experimental group received SF in response to their language errors during three treatment sessions, while the control group performed similar tasks without error feedback. Learners’ SRL strategies were measured using a modified version of the Motivated Strategies for Learning Questionnaire. The target forms were English articles, and learners’ development of those forms was measured before the treatment (pretest), immediately after (post-test), and at a delayed post-test. Learners’ responses to SF were coded and analyzed in terms of unsuccessful, partially successful, and successful uptake. A Chi-square analysis investigated the relationship between learners’ responses to SF and SRL scores. Hierarchical regression analysis examined how well learners’ SRL scores predict the learning of the target structure. Results indicated that the SF group's post-test and delayed post-test scores were significantly predicted by their SRL scores, with large effect sizes. The analysis of learners’ responses to SF indicated that learners with high SRL scores engaged more in negotiated interaction and produced more partially and fully successful uptakes than those with low SRL scores. These findings suggest that L2 learners’ level of self-regulation plays a significant role in the efficacy of SF in L2 learning. Our findings thus imply that highly self-regulated learners are more capable of and likely to participate in classroom interactions.

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)0,005
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,274
Écart entre enseignants0,264 · 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'étudeObservationnel
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 revueApplied LinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207