The Lexical Breadth of Undergraduate Novice Level Writing Competency
Notice bibliographique
Résumé
Abstract This study builds on previous work exploring reading and listening lexical thresholds (Nation, 2006; Laufer & Ravenhorst-Kalovski, 2010; Schmitt, Jiang, & Grabe, 2011) in order to investigate productive vocabulary targets that mark successful entry-level undergraduate writing. Papers that passed the Effective Writing Test (EWT) were chosen to create a corpus of novice university level writing (N = 120). Vocabulary profiles were generated, with results indicating the General Service List (GSL) and the Academic Word List (AWL) cover an average of 94% of a typical paper. Further analysis pointed to 3,000 word families and 5,000 word families covering 95% and 98% respectively of each paper. Low frequency lexical choices from beyond the 8,000 word family boundary accounted for only 0.6% coverage. These results support the frequency principle of vocabulary learning (Coxhead, 2006), and provide lexical targets for English for Academic Purposes (EAP) curriculum development and materials design. Résumé Cette étude s'appuie sur des travaux antérieurs qui explorent les niveaux lexicaux pour la lecture et l’écoute (Laufer et Ravenhorst-Kalovski, 2010; Nation, 2006; Schmitt, Jiang et Grabe, 2011). Elle a pour but d'étudier les niveaux de production lexicale qui marquent l'écriture à l'entrée à l'université anglophone. Pour créer un corpus d'écriture de niveau universitaire novice, 120 articles qui ont passé le Effective Writing Test (EWT) ont été choisis. Des profils de vocabulaire ont été générés et les résultats signalent que la General Service List (GSL) et la Academic Word List (AWL) couvrent une moyenne de 94% d'un document typique. En plus, 3 000 familles de mots et 5 000 familles de mots couvrent 95% et 98% respectivement de chaque article. Les choix de basses fréquences lexicales au-delà de la limite de 8 000 mots ne représentaient que 0,6% de la couverture. Ces résultats appuient le principe fréquence de l'apprentissage du vocabulaire (Coxhead, 2006) et fournissent des niveaux lexicaux pour les programmes d’anglais à des fins académiques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».