MétaCan
Menu
Retour à la cohorte
Enregistrement W2120320321 · doi:10.18806/tesl.v27i2.1055

Reflections on Teaching Referencing: What Four Case Studies Can Tell us About Developing Effective Teaching Strategies

2010· article· en· W2120320321 sur OpenAlexvenueno aff
Theresa Ann Hyland

Notice bibliographique

RevueTESL Canada Journal · 2010
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScripting languageSet (abstract data type)Reading (process)Mathematics educationLiteracyTeaching methodPsychologyPedagogyComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Two contradictions are inherent in our research into referencing practices and the subsequent development of teaching strategies to remedy inappropriate practices. First, aggregate studies and teaching strategies that tend toward a one size fits all formula for researching and teaching referencing do not consider individual differences in students’ development of the complex set of skills that we know are involved in referencing practice. Further, although we say that we want students to be creative in their reading and writing practices, our teaching encourages them to look for correct answers in their reading of sources and to imitate set formulae for writing essays. This article examines four case studies taken from a larger aggregate study of EL1 and EL2 students. In their interviews and essay scripts, these students show varying levels of awareness of appropriate referencing practices. After examining these differences, I adapted Ada’s (Cummins, 1996) framework for comprehensible input and critical literacy, as well as work by Hinkel (2002), Keck (2006), and Kintsch (1998), to develop some strategies for teaching referencing that address individual differences.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,066
Tête enseignante GPT0,359
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207