Key points are not available for this paper at this time.
KI-generiertes Feedback ist ein zunehmend wichtiger Fokus in der Forschung zur Lehre von Zweitsprachen. Seine Wirksamkeit im Übersetzungs-basierten Sprachenlernen wurde jedoch nicht vollständig erforscht, und der Einfluss der Englischkenntnisse auf die Annahme von KI-generiertem Feedback durch die Studierenden bleibt umstritten. Um dies zu untersuchen, analysierten wir die Interaktion von 83 chinesischen EFL-Studierenden mit KI-generiertem Feedback zur Übersetzungsüberarbeitung. Basierend auf quantitativen und qualitativen Daten zeigten die Ergebnisse, dass: (1) sowohl hoch- als auch schwachkompetente Lernende KI-generiertes Feedback aktiv umsetzten, wobei hochkompetente Lernende wählerischer waren; (2) KI-generiertes Feedback zu signifikanten Verbesserungen der Übersetzungsqualität und fünf textlicher Merkmale führte, was insbesondere schwachkompetente Lernende begünstigte; (3) die Verbesserung der Übersetzungsqualität positiv mit der Annahmerate von Feedback korreliert war, aber negativ mit den Englischkenntnissen; (4) die meisten Lernenden eine positive Einstellung zu KI-generiertem Feedback hatten und starkes Interesse an einer zukünftigen Nutzung äußerten, obwohl einige Bedenken hinsichtlich der Genauigkeit des KI-Feedbacks und einer Überabhängigkeit äußerten. Diese Forschung beleuchtet das pädagogische Potenzial von KI-generiertem Feedback im übersetzungsbasierten Sprachenlernen und den moderierenden Effekt der Kompetenz auf die Interaktion der Studierenden mit KI. Daher wird empfohlen, KI-Literacy-Unterricht in den EFL-Lehrplan aufzunehmen, wobei auf die Kompetenzunterschiede der Studierenden geachtet werden sollte, um sicherzustellen, dass KI-Feedback pädagogisch sinnvollen Support bietet.
Building similarity graph...
Analyzing shared references across papers
Loading...
Xiaoye Li
Tongji University
X. Wang
Hunan University
Joke Daems
Ghent University Hospital
Computer Assisted Language Learning
Hunan University
Artevelde University College Ghent
Building similarity graph...
Analyzing shared references across papers
Loading...
Li et al. (Thu,) untersuchten diese Frage.
synapsesocial.com/papers/6a1062ddd478ddac0ffcd538 — DOI: https://doi.org/10.1080/09588221.2026.2631658
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: