MétaCan
Menu
Retour à la cohorte
Enregistrement W2087720834 · doi:10.3138/cmlr.66.2.203

Institutional Forces and L2 Writing Feedback in Higher Education

2009· article· en· W2087720834 sur OpenAlexvenueno aff
Jérémie Séror

Notice bibliographique

RevueCanadian Modern Language Review/ La Revue canadienne des langues vivantes · 2009
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcademic writingWriting processSecond language writingPedagogyQualitative researchHigher educationProcess (computing)Professional writingPsychologyMathematics educationFocus (optics)Second languageMedical educationPolitical scienceSociologyComputer scienceLinguisticsMedicine

Résumé

récupéré en direct d'OpenAlex

There has recently been growing interest in the relationship between second language (L2) writing development and the institutional contexts in which this process is embedded. The present study examines this relationship by reporting on an eight-month qualitative investigation of international university students and their perspectives on the impact of feedback practices for L2 writing development in content courses. Drawing on interviews with five focal students and four focal instructors, as well as on writing samples and course documents, this study illustrates the powerful but often unspoken impact that institutional factors such as departmental budgets and prescribed grade distributions have on L2 writers and their instructors. These factors are shown to constrain students’ and instructors’ abilities to discuss how discipline-specific writing is structured and how it might be negotiated and ultimately understood. Implications focus on the challenges of helping L2 students develop academic writing skills without also addressing the institutional factors that underlie writing and feedback practices.

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)0,021
score de la tête « metaresearch » (Gemma)0,075
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 enseignants0,026
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,075
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0110,011
Communication savante0,0100,003
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,023
Tête enseignante GPT0,232
Écart entre enseignants0,210 · 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

Citations42
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Modern Language Review/ La Revue canadienne des langues vivantesMême sujetSecond Language Learning and TeachingTravaux en français237 207