Written corrective feedback and learner engagement: A case study of a French as a second language program
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
Within the context of second language (L2) writing, learner engagement with feedback has elicited significant theoretical and empirical interest (e.g., Zhang & Hyland, 2018; Zheng & Yu, 2018). Research has highlighted the dynamic nature of learner engagement with corrective feedback (WCF), but the ways in which learner and contextual factors impact such engagement with WCF in authentic classrooms are still underexplored (Han, 2019). Furthermore, little is known about how L2 learners engage with WCF from an ecological perspective, which considers the relationships between learners and their surrounding environments (Bronfenbrenner,1993; van Lier, 2000). \n \nSituated in an adult French as a second language (FSL) setting in Canada, this study adopted an ecological perspective to analyze the influence of learner and contextual factors on learners’ affective, cognitive, and behavioural engagement with WCF on linguistic errors. Participants in this study were five adult students registered in an FSL program in the francophone province of Quebec. Data were collected from multiple sources, including students’ drafts with written feedback provided, semi-structured interviews, retrospective verbal reports, and other class documents. \n \nFindings show that learner and contextual factors influence learners’ affective, cognitive, and behavioural engagement with WCF in a number of complex ways.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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