Notice bibliographique
Résumé
Discourse connectives (DCs) are multi-functional devices used to connect discourse segments and fulfill interpersonal levels of discourse. This study investigates the use of selected 80 DCs within 11 categories in the argumentative essays produced by L1 and L2 university students. The analysis is based on the International Corpus Network of Asian Learners of English (ICNALE) which consists of essays written by native speakers (NS) and non-native speakers (NNS) from 10 countries and regions in Asia. WordSmith Tools were used to generate the quantitative profile of the DCs, while follow-up qualitative analysis in the context of usage provided additional interpretive insights. The total frequency of DCs used by Hong Kong and Singaporean students is significantly less than do L1 writers, mainly because the addictive and is by far less frequent in the essays produced by L2 writers. Hong Kong students use much more enumerating, resultive and summative DCs than both L1 writers and L2 writers from Thailand and Singapore. Thai students, on the other hand, employ the causal device because much more than both L1 and other L2 writers. Hong Kong and Singaporean students are more formal in tone than L1 and Thai students when using the adversative and resultive DCs. Despite the apparent differences, there are considerable similarities of usage, with and, but, because, so, however and therefore occurring among the top 10 most frequently used devices of both L1 and L2 writers, although with strikingly different frequencies. These findings shed light on the pragmatic uses of DCs by L1 and L2 writers as a way to influence the interpretation of the message, and thus succeed in achieving their communicative intentions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».