MétaCan
Menu
Retour à la cohorte
Enregistrement W2012452592 · doi:10.1109/tpc.2010.2052845

Improving Professional Writing for Lay Practitioners: A Rhetorical Approach

2010· article· en· W2012452592 sur OpenAlexafffund
Deborah Dysart‐Gale, Krishna Pitula, Thiruvengadam Radhakrishnan

Notice bibliographique

RevueIEEE Transactions on Professional Communication · 2010
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensConcordia University
Organismes subventionnairesConcordia University
Mots-clésRhetorical questionProfessional communicationLiteracyContext (archaeology)Technical writingUnderpinningProfessional writingProcess (computing)Technical communicationComputer scienceEngineering ethicsPsychologyKnowledge managementMedical educationPedagogyWorld Wide WebEngineeringMedicineLinguisticsHigher educationPolitical science

Résumé

récupéré en direct d'OpenAlex

This tutorial presents a workshop aimed at developing persuasive writing skills among lay practitioners with limited literacy who are required to write reports for professionals in a social-service delivery context. Drawing on Ong's distinction between the communication patterns of oral and literate culture, the workshop was designed to utilize participants' existing oral communication patterns as the underpinning for developing rhetorical strategies appropriate for their professional audience. The workshop consisted of a four-phase process of iterative questioning: identifying audience, defining project goals, formulating feasible outcomes, and assembling relevant evidence and support.

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)0,035
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0050,007
Communication savante0,0120,009
Science ouverte0,0040,010
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,048
Tête enseignante GPT0,335
Écart entre enseignants0,287 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Professional CommunicationMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207