MétaCan
Menu
Retour à la cohorte
Enregistrement W1978004672 · doi:10.1177/0033688207079692

Language Errors in the Genre-based Writing of Advanced Academic ESL Students

2007· article· en· W1978004672 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRELC Journal · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFluencyGrammarTask (project management)Computer scienceTest (biology)Second-language acquisitionAcademic writingLinguisticsSecond language writingPsychologyMathematics educationSecond language

Résumé

récupéré en direct d'OpenAlex

Studies have suggested that, for advanced language learners, lexical knowledge plays a greater role than grammar in the acquisition of native-like fluency. The purpose of the present study was to test this view by examining the language errors of university entry-level students whose first academic language is not English and to determine with some precision what kinds of errors these students make, how these errors relate to specific parts of written genres and what guidelines may be followed to overcome such errors. To do this, an error analysis was undertaken, involving a short tourist information text written in English by 40 Malay-speaking students at the University of Brunei Darussalem. It was found that the majority of errors, as expected, were errors of usage, not grammar, and that there was a relationship between the types of errors and the move-strategy (way in which a genre move is realized in content). It is concluded that, at the academic level, raising students' awareness of usage types and patterns with relation to genre moves is far more crucial than instruction in grammar. Furthermore, it is proposed that instruction in usage must be undertaken in small-group or individual settings and must be relevant to the student's immediate language task.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,019
Tête enseignante GPT0,401
Écart entre enseignants0,382 · 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