文章推介 | 反饋方式對二語寫作語言復雜度的影響

反饋方式對二語寫作語言復雜度的影響

白云 韓佶穎 王俊菊

山東大學外國語學院

摘要

本研究以自動評分系統(tǒng)反饋和范文反饋為例，探討糾錯反饋與非糾錯反饋對大學生英語作文語言復雜度的影響。借助LCA、L2SCA和Coh-Metrix 3.0等在線分析器，對詞匯復雜度和句法復雜度共10個代表性指標進行測量和分析。發(fā)現(xiàn)系統(tǒng)反饋能提高詞匯復雜度但降低句法復雜度，而范文反饋對學生作文的詞匯和句法復雜度均有顯著的提升作用。由此可見，不同反饋方式對語言復雜度產(chǎn)生錯綜復雜的影響，相比而言范文反饋能促進文本質(zhì)量在更多維度上的提升。

關(guān)鍵詞：二語寫作;自動評分系統(tǒng)反饋;范文反饋;語言復雜度

01

引言

糾錯反饋與非糾錯反饋是二語寫作領(lǐng)域的兩大反饋類型。糾錯反饋是對二語學習者寫作文本中的語言錯誤所做出的回應(Bitchener & Storch, 2016)。近三十年來，隨著計算機和自然語言技術(shù)的發(fā)展，計算機自動評分系統(tǒng)反饋作為一種典型的糾錯反饋，備受關(guān)注。已有研究主要依據(jù)作文得分和錯誤分析，考察自動評分系統(tǒng)反饋(以下簡稱系統(tǒng)反饋)對文本特征、語法錯誤和學術(shù)詞匯使用的影響(Chodorow et al., 2010;Long, 2013;Liao, 2016;胡學文，2015;周麗，2015;白云、王俊菊，2018;黃愛瓊、張文霞，2018)。然而，由于反饋內(nèi)容過于重視語法正確性等表層特征(Hyland & Hyland, 2006),有學者認為系統(tǒng)反饋未必能有效提高文本質(zhì)量和學生寫作水平(Stevenson & Phakiti, 2014)。就糾錯反饋是否有助于提高學習者寫作水平這一基本議題，目前學界在理論和實證層面仍存在爭議。有學者認為糾錯反饋屬于轉(zhuǎn)瞬即逝的語言知識，不符合二語習得的自然順序，很難內(nèi)化為學習者的語言使用能力，因此有害無益(Truscott, 1996)。

鑒于此，學者開始關(guān)注范文和重述等非糾錯反饋(如Yang & Zhang, 2010;Hanaoka & Izumi, 2012;Coyle & de Larios, 2014)。范文反饋指將本族語者所撰寫的文章提供給學習者，以此作為接觸、習得相關(guān)語言表達的通道，并提供解決問題的方案。在范文反饋中，學生完成初稿之后再看范文，并將自己所寫的文章與范文進行對比，以解決寫作中的問題，進而修改初稿。范文是根據(jù)當前寫作任務(wù)的內(nèi)容和體裁量身定制的佳作(Coyle & de Larios, 2014),不僅是本族語者特定句子的范例，還提供了整個語篇的樣本(Yang & Zhang, 2010)。此外，范文提高寫作水平的有效性也得到諸如輸出假設(shè)(Swain, 1998)和注意假設(shè)(Schmidt, 1990;2001)等經(jīng)典理論的支持，因此范文反饋成為非糾錯反饋的重要形式。當前，國外有關(guān)范文反饋的研究依然有限，國內(nèi)相關(guān)研究更為匱乏。以往研究中多使用描述圖片的任務(wù)(如Yang & Zhang, 2010;Hanaoka & Izumi, 2012),近期才開始使用議論文等開放度更高的寫作任務(wù)(Kang, 2020)。研究內(nèi)容主要涉及范文反饋的有效性，其對學習者的注意和攝取的影響及影響因素，而范文反饋對文本質(zhì)量的影響尚未引起足夠的關(guān)注。

語言復雜度、語言準確度和語言流利度(Complexity, Accuracy and Fluency, CAF)是衡量文本質(zhì)量的重要指標，其與二語寫作質(zhì)量、語言水平和語言發(fā)展過程的關(guān)系一直是二語寫作研究的焦點。以往大量研究指出，反饋方式與語言準確度(如Coyle & de Larios, 2014;Bitchener & Storch, 2016;Liao, 2016;Boggs, 2019)和流利度(如Masatoshi & Roy, 2012)密切相關(guān)。就語言復雜度而言語言復雜度自動分析器的出現(xiàn)，打破了自動分析工具缺乏所造成的人工標注工作量大的研究瓶頸(陸小飛、許琪，2016),近年來語言復雜度研究已漸成熱點。但反饋方式等教學變量對其影響的研究相對較少，僅有個別學者做出初步探索(如Coyle & de Larios, 2014;龔偉等，2019)。本研究聚焦二語教學中的不同反饋方式對語言復雜度的影響，試圖揭示反饋方式與文本質(zhì)量的內(nèi)在關(guān)系。

語言復雜度包括詞匯復雜度和句法復雜度，是中國學生書面語產(chǎn)出的兩大關(guān)鍵語言指標。詞匯復雜度與句法復雜度能有效預測寫作質(zhì)量，同時受到語言水平、文體、語體、時間等變量的影響(Lu, 2011;Révész et al., 2017;鄭詠滟，2018)。這意味著，對二語寫作質(zhì)量的評估，不僅可以依據(jù)傳統(tǒng)研究中常常采用的教師主觀評分，還可以從語言復雜度的具體指標進行客觀測量；不僅可以憑借整體評分，還可以從詞匯復雜度和句法復雜度切入做多維度的考察。這為探究反饋方式對寫作語言質(zhì)量的影響提供了新思路和更加客觀細致的研究方法，也利于更深入地考察不同反饋方式對語言各個維度的錯綜復雜的影響，以提出對寫作教學和研究更有針對性的建議。

綜上，目前關(guān)于反饋方式對語言復雜度的影響尚存在較大研究空間。鑒于自動評分系統(tǒng)已逐漸應用于二語寫作教學，范文反饋也經(jīng)常用于教學實踐，兩者的效果有何差異，如何使反饋效果最大化?本研究以系統(tǒng)反饋和范文反饋為例，探究糾錯反饋與非糾錯反饋對學生作文語言復雜度的影響，具體研究問題如下：

(1) 系統(tǒng)反饋與范文反饋分別對作文的詞匯復雜度有何影響?

(2) 兩種反饋分別對作文的句法復雜度有何影響?

02

研究設(shè)計

1) 研究對象

本研究的受試是山東省某教育部直屬綜合性大學非英語專業(yè)本科一年級學生。從兩個平行班中隨機選出60人，作為系統(tǒng)反饋組和范文反饋組參加本研究，每組30人。其中系統(tǒng)組的平均年齡為18.70歲，參加該校新生入學分級考試的平均成績?yōu)?0.30分，作文單項得分10.80;范文組的平均年齡18.85歲，入學考試平均成績69.00分，作文得分10.60。兩組的年齡、入學考試成績和作文得分均無顯著差異，故可認為是來自英語水平和寫作水平相當?shù)耐豢傮w。

2) 數(shù)據(jù)收集

本研究所使用素材為兩組學生的英語寫作練習，數(shù)據(jù)分別來自反饋內(nèi)容、作文修改記錄、作文的初稿和終稿。寫作任務(wù)要求就目前年輕人大多依賴父母來照看小孩這一社會現(xiàn)象發(fā)表自己的見解，闡明將來自己有孩子時會怎樣做。長度要求為120—180詞，作文題目自擬。之后要求學生根據(jù)自動評分系統(tǒng)的即時反饋和外教所寫的范文，分別對作文初稿進行修改，所做的具體修改均被記錄下來。

兩組作文的布置、提交和修改均在網(wǎng)上進行。本研究使用的自動評分系統(tǒng)是批改網(wǎng)，布置寫作任務(wù)時只規(guī)定提交的最后期限而不限定提交次數(shù)。學生在線提交初稿后，系統(tǒng)會即時給出分數(shù)和針對每句話的修改建議。學生對初稿修改后再提交，依次類推，經(jīng)過多次修改直到對自己的作文滿意為止。

范文反饋組的寫作和修改也在線進行。不同于以往只提供一篇范文的研究，本研究提供兩篇本族語者所寫范文，一是為學生提供更多可借鑒的寫作方案(Hanaoka, 2007),二是解決學生無意中重復使用單一范文中的語言形式的問題(Kang, 2020)。首先請兩位英語為本族語且教授大學英語寫作的外教根據(jù)任務(wù)要求各撰寫一篇范文，并確保范文的內(nèi)容和文體恰當，且符合學生的年齡和二語水平。考慮到國外學者指出，議論文寫作任務(wù)的范文最好能有不同觀點供學生參考(Kang, 2020),外教所撰寫的兩篇范文對給定題目持不同觀點。學生在網(wǎng)上提交初稿后，發(fā)給他們打印好的兩篇范文進行30分鐘的閱讀和比較，在范文上標記出自己認為有用的內(nèi)容和語言形式，然后對初稿進行修改，并可以多次提交。

在收集數(shù)據(jù)前，受試進行一次寫作練習，練習的要求和步驟與正式收集數(shù)據(jù)相同，但寫作內(nèi)容不同，以幫助受試熟悉在線寫作的操作流程。

3) 數(shù)據(jù)分析

本研究借助LCA、L2SCA和Coh-Metrix 3.0等在線分析器對文本語言復雜度進行分析，得出各指標的數(shù)據(jù)后，用SPSS和G*Power軟件進行分析。

將語言復雜度分為詞匯復雜度和句法復雜度來考察(表1)。參照Lu(2012)的研究框架，詞匯復雜度包括三方面，分別為詞匯密度、詞匯難度和詞匯多樣性。其中詞匯密度指的是文本中實詞所占的比重(LD);詞匯難度選取的指標是復雜實詞數(shù)比例(LS1);詞匯多樣性指標包括所有詞匯的多樣性和具體詞類的多樣性，選取了隨機樣本的平均類符數(shù)(NDWERZ)、校正的類符形符比(CTTR)和校正的動詞多樣性(CVV1)。以上指標均由詞匯復雜度分析器(LCA)(Lu, 2012)生成。還采用文本詞匯多樣性測量(Measure of Textual Lexical Diversity, MTLD)(McCarthy & Jarvis, 2010)作為整體詞匯多樣性的指標。它使用數(shù)學公式對原始TTR數(shù)值進行轉(zhuǎn)換來消除文本長度的影響，從而增強測量信度，由在線文本分析軟件Coh-Metrix 3.0(McNamara et al., 2014)獲得。

對句法復雜度的分析參照Révész, et al.(2017)的分類標準，包括四個維度： 總體復雜度、從屬復雜度、短語復雜度和句法多樣性。鑒于句法復雜度測量指標繁多，提供的信息可能重復(Norris & Ortega, 2009),本研究從每個類別中選取一個代表性指標進行衡量。總體復雜度選取平均T單位長度(MLT),從屬復雜度采用每個T單位的子句數(shù)量(C/T),均使用二語句法復雜度分析器(L2SCA)(陸小飛、許琪，2016)來測量。短語復雜度的衡量采用每個名詞短語的修飾語數(shù)量(SYNNP),句法多樣性則采用句子結(jié)構(gòu)的相似程度(SYNSTRUCTa),即相似度指數(shù)越低，句子結(jié)構(gòu)越多樣(Révész et al., 2017),這兩項用Coh-Metrix 3.0 獲得。

為確保分析的準確度，首先對作文中的連寫句和缺乏動詞的句子片段做必要更正，對句間空格做了必要調(diào)整。之后使用L2SCA和LCA軟件的批量處理模式，輸入受試初稿和終稿的文本，得到各指標的數(shù)據(jù)。由于Coh-Metrix3.0軟件對拼寫錯誤較為敏感，研究者對兩組共120篇作文中的拼寫錯誤進行手動修正后再分析，以便更準確地檢測詞匯和句法等深層語言特征。

對統(tǒng)計出的各維度數(shù)據(jù)，使用SPSS的Shapiro-Wilk方法檢驗，結(jié)果表明語言復雜度10個指標在兩組各自的初稿和終稿中均呈正態(tài)分布，因此采用參數(shù)檢驗進行統(tǒng)計分析。首先采用配對樣本t檢驗比較初、終稿在語言復雜度各維度是否存在顯著差異，運用獨立樣本t檢驗比較兩組終稿是否存在顯著差異；然后用G*Power軟件計算效應量Cohen'sd,并根據(jù)Cohen(1988)提出的Cohen'sd標準(.20、.50、.80分別為小、中、大效應量),考察不同反饋方式對語言復雜度產(chǎn)生的實際影響程度。

03

結(jié)果與討論

1) 反饋方式對詞匯復雜度的影響

首先，運用配對樣本t檢驗，對兩組各自的初稿和終稿的詞匯復雜度進行比較，以考察兩種反饋方式對詞匯復雜度的影響。第一，通過比較系統(tǒng)反饋組的初稿和終稿的詞匯復雜度，結(jié)果(見表2)表明詞匯密度和詞匯多樣性存在顯著差異，而詞匯難度上沒有顯著差異。

初稿的詞匯密度顯著高于終稿(t=3.00,p<.05, Cohen'sd=.18),說明修改后文本的實詞所占比重顯著降低。這可能是因為在反復修改不成功時，學生常采用回避策略，刪除不準確的詞語以提高分數(shù)。在詞匯多樣性維度，動詞等某些具體詞類的多樣性有顯著差異(t=-3.38,p<.01,Cohen'sd=.31),而整體詞匯的多樣性并無顯著差異。與胡學文(2015),黃愛瓊、張文霞(2018)和龔偉等(2019)的結(jié)果相似，系統(tǒng)反饋有利于提升詞匯多樣性，具體如例1所示。

第二，通過比較范文反饋組的初稿和終稿的詞匯復雜度，發(fā)現(xiàn)詞匯難度和詞匯多樣性兩個維度存在顯著性差異(如表3所示)。終稿的復雜實詞數(shù)比例顯著高于初稿(t=-3.93,p<.01,Cohen'sd=.62)。考慮到詞匯復雜度分析器中把首兩千高頻詞以外的詞定義為難詞或復雜詞，此差異說明學生參照范文修改后，使用了更多的低頻詞或難詞。同時，范文反饋初、終稿在詞匯多樣性的所有指標均呈現(xiàn)顯著差異，且效應量較大，說明學生參照范文反饋進行修改后，文本的詞匯多樣性亦有顯著提升。相關(guān)研究(趙俊海、陳慧媛，2012)發(fā)現(xiàn)詞匯多樣性等語言精密性指標是學習者語言復雜度的積極表征。

產(chǎn)生上述差異的原因可能在于，閱讀范文能激發(fā)學習者對語言形式的注意，敏銳地觀察到自己的作文與范文間的差異，并模仿使用范文中的復雜詞或難詞來表達原來的意義，如例2中有學生自發(fā)注意到單詞“overindulge”和“wellbeing”并應用于終稿。根據(jù)注意假設(shè)，培養(yǎng)修改能力的第一步就是要“注意”到文本中原本不突出的特征(Schmidt, 1990;Truscott, 1998)。學習者只有注意到某個特征，才有可能對其進行反思和分析。范文反饋激發(fā)了這種自發(fā)注意，而系統(tǒng)反饋組的學生更傾向于等待評分系統(tǒng)指出錯誤，再去做出相應的修改。正如Hyland和Hyland(2006)所指出，學生把系統(tǒng)反饋用于修改中，未必表明學生已經(jīng)掌握了這個語言形式，也未必表明學生發(fā)展了自發(fā)注意、評價并改正文本錯誤的元語言能力。

其次，使用獨立樣本t檢驗比較兩組終稿在詞匯復雜度各維度是否存在顯著差異，以檢驗兩種反饋方式對詞匯復雜度的影響有何異同，結(jié)果見表4。范文組的復雜實詞數(shù)比例LS1顯著大于系統(tǒng)組(t=-2.10,p≤.05, Cohen'sd=0.86),且兩組的實際差異也較大。這說明學生接受范文反饋后，在終稿中使用了更多的復雜實詞，相應地其文本的詞匯難度更高。這可能與糾錯反饋與非糾錯反饋引發(fā)學習者不同層面的注意有關(guān)。研究發(fā)現(xiàn)糾錯反饋使學習者更多地注意到語法錯誤，范文反饋則引導學習者進行更深度處理，更有助于注意到詞匯和語塊(Hanaoka, 2007;Hanaoka & Izumi, 2012;Coyle & de Larios, 2014)。

2) 反饋方式對句法復雜度的影響

首先，使用配對樣本t檢驗，對兩組各自的初稿和終稿的句法復雜度進行比較，以考察兩種反饋對句法復雜度的影響，結(jié)果見表5。

對系統(tǒng)反饋組而言，終稿的平均T單位長度不升反降(t=2.65,p<.05,Cohen'sd=.24),這意味著修改后的總體復雜度降低。該結(jié)果與周麗(2015)不一致，即實驗班經(jīng)過在線寫作平臺一學年的學習，在句法各方面均有顯著改善。其原因可能在于后測的地點、寫作時間、題目等均與前測相同(周麗，2015),頻次作用對文本質(zhì)量的提升(周丹丹，2011)亦不可忽視。

值得注意的是，初稿的相鄰句子的句法相似度顯著低于終稿(t=-3.11,p<.05, Cohen'sd=1.26)。此指標通過比較相鄰句的句法樹的相似度來衡量句法多樣性，所以該數(shù)值越低表明句法形式越多樣，亦即初稿的句法反而比終稿更多樣。修改后的句法多樣性不升反降，這與反饋內(nèi)容和修改過程密切相關(guān)。已有研究指出批改網(wǎng)“只提供動詞的使用錯誤情況，對其他詞類沒有提供反饋； 在內(nèi)容、銜接、篇章和結(jié)構(gòu)方面僅有總體評價，沒有針對性地提供詳細的反饋和修改建議”(張荔、盛越，2015: 43)。加之修改時學生為了提高作文分數(shù)，對反饋指出有問題而自己又不會改的地方，采取回避策略，傾向于重復使用熟悉的形式，導致終稿的句法復雜度降低。

對范文反饋組而言，修改前后的總體復雜度和短語復雜度存在顯著差異(見表6)。首先，初稿的平均T單位長度顯著低于終稿(t=-2.53,p<.05,Cohen'sd=.37)。相關(guān)研究(Lu, 2011)表明，平均T單位長度能有效區(qū)分二語水平，并隨年級增長而遞增，這表明修改后的總體復雜度顯著提高(如例3)

其次，初稿的名詞短語平均修飾語數(shù)量也顯著低于終稿(t=-3.56,p<.01,Cohen'sd=.34),表明修改后文本的短語復雜度顯著增強。Norris和Ortega(2009)發(fā)現(xiàn)，較高水平學習者的句法復雜度提升表現(xiàn)為復雜短語的使用。本研究的對象是大學生，這說明范文反饋可能對中高水平的二語學習者更有效，因其具備了較強的比較和習得能力，能意識到自我表達能力的局限，進而注意到相應的規(guī)范表達，并將其應用到自己的產(chǎn)出中。同時，近期研究表明語言水平較高的二語學習者的寫作文本中，除了從屬結(jié)構(gòu)指標外，其他句法復雜度指標都相應提升(Ai & Lu, 2013;Bulté & Housen, 2014);尤其是總體復雜度和短語復雜度與文本質(zhì)量關(guān)系密切(Casal & Lee, 2019),因此有理由相信范文反饋可顯著提高大學生的寫作文本質(zhì)量。

例2和例3均顯示，學生自發(fā)注意到范文中表達相似觀點的詞匯和句子并運用到修改中。根據(jù)輸出假說，輸出，即學習者產(chǎn)出語言的嘗試，促進了學習者對所要學習的二語形式的注意，并注意到自己的表達方式和高水平寫作者對相同意義的表達方式的差異(Swain, 1998)。“注意到差距”原則，強調(diào)了學習者對自己產(chǎn)出的中介語和作為輸入的目標語的比較。再者，輸出就其本質(zhì)而言，激活了學習者的認知過程，如詞匯的檢索、語法的編碼及寫作過程中的監(jiān)控等，學習者可能會敏銳地意識到其中介語的局限和問題，這改變了其對隨后接受的輸入的處理方式。因此，他們會特別注意到某些平時閱讀時不太注意的表達或形式(Izumi, 2003)。范文反饋恰恰提供及時的輸入，為學習者解決其中介語的問題提供可能。

最后，使用獨立樣本t檢驗，比較兩組終稿的句法復雜度，發(fā)現(xiàn)沒有顯著的組間差異。原因可能是一次反饋和修改未必對文本產(chǎn)生顯著的影響。今后可開展歷時研究以進一步探討不同反饋方式對句法復雜度的影響。

綜觀糾錯反饋的過往研究，發(fā)現(xiàn)教師修正性反饋能顯著提高詞匯復雜度，但不能提升句子復雜度(李勇、鄧紅霞，2012)。本研究發(fā)現(xiàn)系統(tǒng)反饋作為一種糾錯反饋，同樣可以提高詞匯復雜度，卻降低了句子復雜度；而在線寫作中同伴互評的研究表明，所有的句法復雜度指標變化均不顯著，同伴反饋并未直接導致學生論文的句法復雜度提升(許春燕、張軍，2018)。上述對三種糾錯反饋方式的研究結(jié)果，部分地驗證了國外學者(Truscott, 1996)關(guān)于糾錯性反饋對學習者寫作能力有負面影響的結(jié)論，至少在句子復雜度方面沒有幫助；也說明系統(tǒng)反饋在詞匯層面上對學習者幫助較大，可以部分地替代教師反饋，而在句法層面的促進作用不顯著。

綜上，從語言復雜度的視角來看，系統(tǒng)反饋和范文反饋是兩種互補的反饋方式，起到相輔相成的作用。系統(tǒng)反饋指出語法層面的不足，但對原本正確的說法不能提供更為精準或恰當?shù)慕ㄗh；而范文反饋則可提供更地道的語言表達，以及學習者可以借鑒的結(jié)構(gòu)和內(nèi)容。由此推斷，糾錯反饋給學習者提供正確語言形式的同時，也將其注意力吸引到語言層面(Boggs, 2019);而范文反饋以隱性(explicit)反饋的形式，將學習者的注意力更多地引向表達有困難的語言形式，更有利于發(fā)揮其主動領(lǐng)悟的能力。

04

結(jié)論與啟示

本研究以系統(tǒng)反饋和范文反饋為例，探討了糾錯反饋與非糾錯反饋對大學生英語作文語言復雜度的影響，發(fā)現(xiàn)兩種反饋方式終稿的詞匯復雜度有顯著性差異，其中范文組使用的詞匯難度更高。同時，系統(tǒng)反饋能明顯改變詞匯密度和詞匯多樣性，卻降低了總體復雜度和句法多樣性；而范文組在詞匯難度和詞匯多樣性兩個維度均提升顯著，在句法的總體復雜度和短語復雜度上亦有明顯進步。由此可見，系統(tǒng)反饋和范文反饋對語言復雜度產(chǎn)生錯綜復雜的影響，兩者各有所長，互為補充。

需要指出，范文反饋作為一種非糾錯反饋方式，應被納入到更深入的反饋研究中來。與系統(tǒng)反饋不同，范文反饋完全能夠在學習者無意識狀態(tài)下或者在顯性知識缺失的情況下，引發(fā)其隱性知識體系的真正變化(韋曉保、施清波，2016)。通過范文反饋，學習者能自發(fā)注意到范文和初稿的差異，進行語言和內(nèi)容的深層加工，進而模仿使用難度更高和更加多樣化的詞匯和句式。這種二語習得中的自發(fā)注意和領(lǐng)悟的過程，有利于培養(yǎng)和發(fā)揮學生的學習自主性。同時，范文反饋也會影響到學生的修改觀念，即修改并不是單純地改正錯誤，而是注意到與目標語差距并習得規(guī)范地道表達的過程；修改不僅關(guān)注語言表達的正誤，還是對思辨能力的鍛煉和提高。

實際教學中可將兩種反饋方式結(jié)合使用，先范文反饋后系統(tǒng)反饋，有望取得更好的修改效果。學生完成初稿之后，先對照范文進行修改，自發(fā)注意到語言和內(nèi)容的差異，包括因不會表達而只能回避的內(nèi)容；范文在觀點和論證方面亦有啟發(fā)和示范作用，學生能在文章結(jié)構(gòu)和邏輯論證方面受益，這一點系統(tǒng)反饋無法給予。形成第二稿后，再參照評分系統(tǒng)的即時反饋修改，通常會更加關(guān)注詞匯和標點等語言形式。這種先內(nèi)容后語言、先句法后詞匯的修改流程，更有利于二語寫作質(zhì)量的提高和語言形式的習得，是可行且高效的反饋模式，這也正是反饋研究的實際意義所在。

本研究將范文反饋納入研究范疇，為寫作教學中的反饋策略和策略組合提供了更多選擇。未來可對范文反饋進行更深入的研究，關(guān)注反饋引發(fā)的注意和自發(fā)注意與修改的關(guān)系；亦可關(guān)注不同二語水平學生的修改過程，考察反饋方式和二語水平對修改過程的交互影響。此外，由于本研究采用單一寫作任務(wù)設(shè)計，研究結(jié)果的有效性及外推性可能存在一定局限，未來可使用多寫作任務(wù)的歷時研究設(shè)計，進一步探討反饋方式對語言復雜度的長期影響。

文章來源：外語教學理論與實踐

轉(zhuǎn)載自：二語寫作公眾號