Breadth and Depth: Specialized Vocabulary Learning in Theology among Native and Non-native English Speakers
Notice bibliographique
Résumé
This article describes a case study on native and non-native English-speaker (NES and NNES) students' knowledge and learning of specialized vocabulary over one academic term in a graduate school of theology. After outlining the collection of baseline data on theological vocabulary and the development of a Test of Theological Language (TTL), the article discusses the five NNES and seven NES participants' scores on the TTL. Results on the initial TTL revealed that both groups brought some breadth and depth knowledge of specialized theological vocabulary to their studies, but that the NNES group's scores on both measures tended to be lower than those of NESs. At the end of the term the TTL results indicated an overall increase in scores, but while the gap between the NNES and NES groups in breadth vocabulary knowledge was essentially bridged, for depth knowledge it actually widened. These and other findings are discussed. Résumé Cet article fait état d'une étude de cas sur les connaissances et l'apprentissage du vocabulaire spécialisé chez les étudiants dont la langue maternelle est ou n'est pas l'anglais (NES et NNES) dans un programme de théologie au 2e cycle. Après la description du recueil des données de base sur le vocabulaire de théologie et du développement d'un test de vocabulaire en théologie (TTL), l'article traite des résultats du TTL des cinq participants NNES et des sept participants NES. Les résultats du premier TTL indiquent que les connaissances lexicales des deux groupes présentaient profondeur et ampleur, mais que le groupe NNES avait généralement des scores inférieurs. Les résultats du TTL Ã la fin du trimestre indiquent que les scores des participants des deux groupes ont augmenté ; les scores des deux groupes pour l'ampleur des connaissances lexicales sont essentiellement comparables, mais ceux pour la profondeur des connaissances lexicales révèlent une lacune parmi les participants du groupe NNES. L'article conclut sur une discussion des résultats de cette étude de cas. [End Page 175]
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».