MétaCan
Menu
Retour à la cohorte
Enregistrement W1495087886 · doi:10.18806/tesl.v20i2.950

Cultural Collisions in L2 Academic Writing

2003· article· en· W1495087886 sur OpenAlexvenueno aff
Linda Steinman

Notice bibliographique

RevueTESL Canada Journal · 2003
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRhetoricIdentity (music)Academic writingLinguisticsSecond language writingVocabularyProfessional writingSyntaxSociologyValue (mathematics)PedagogyPsychologyComputer scienceSecond languageAesthetics

Résumé

récupéré en direct d'OpenAlex

Learning to write in English for academic purposes presents a significant challenge for non-native speakers. Not only must they deal with the obvious linguistic and technical issues such as syntax, vocabulary, and format, but they must also become familiar with Western notions of academic rhetoric. (West or Western in this article refer primarily to North America.) Collisions of cultures are experienced when the discourse practices L2 writers are expected to reproduce clash with what they know, believe, and value in their L1 writing. For this article I reviewed a range of literature that addresses writing and culture. Described by researchers and by L2 writers are collisions regarding voice, organization, reader/ writer responsibility, topic, and identity. Implications for writing pedagogy include awareness of contrastive rhetoric on the part of ESL writing instructors; instructors' acknowledgment of and appreciation for the prior knowledge that students bring from their L1; realization on the part of ESL writing instructors that Western notions of,for example, voice are indeed just notions and are simply one way among many of expressing oneself; and a need for open discussion with students about how they might incorporate standard Western notions of writing without compromising their own identity.

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)0,016
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,030
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0130,024
Communication savante0,0180,010
Science ouverte0,0010,020
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,281
Écart entre enseignants0,250 · 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'étudeQualitatif
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

Citations23
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207