L2 Peer Interaction before and after Writing: How Does Each One Promote Writing Development?
Bibliographic record
Abstract
En raison de la valeur accordée à l’interaction dans l’apprentissage d’une L2, des activités en petits groupes et en paires ont été intégrées à différentes phases du processus de rédaction. S’intéressant particulièrement à l’interaction entre pairs au cours des étapes de planification et de révision, cette étude en salle de classe explore la relation entre l’interaction entre pairs et le développement de l’écriture. Des étudiants de français L2 ( N=45) dans deux classes ont effectué des tâches d’écriture individuelles (prétest et post-test) et deux exercices de rédaction : une classe a tenu des discussions avant l’écriture (c.-à-d. un remue-méninges et de la planification avant la rédaction), alors que l’autre a procédé à une révision interactive (c.-à-d. travail de révision collaborative d’un texte). Les évaluations des étudiants ont été cotées à l’aide d’une grille d’analyse et les conversations des étudiants ont été codées selon les sujets dont il a été question pendant leurs interactions (p. ex., contenu et organisation, grammaire et lexique). Les résultats indiquent que les étudiants qui ont tenu des discussions avant la rédaction ont obtenu de meilleures notes au chapitre de la grammaire et du lexique au post-test, alors qu’il n’y avait pas de changement dans les notes des étudiants ayant participé à une révision interactive. L’analyse de la conversation des étudiants montre qu’ils ont discuté de contenu plus fréquemment. L’article traite aussi des ramifications des contributions pédagogiques des deux types d’activités.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".