An Analysis of Generic Features of Acknowledgments in Academic Writing: Native Speakers of English vs. Non-Native (Iranian)
Notice bibliographique
Résumé
The literature on the generic structure of acknowledgment has revealed that, beyond the role it plays in academic gift giving and self-presentation, the textualization of gratitude reveals the effect of disciplinary, sociocultural and contextual variations on shaping this genre (Hyland, 2003; Giannoni, 2002; Yang, 2012). However, there is relatively scant research on the ways that acknowledgements in different genres are characterized by their distinctive communicative purposes. To fill this gap, this study analyzes through two phases the acknowledgment sections of various genres (20 MA & 20 PhD theses, 20 textbooks, and 20 research articles) written by native speakers of English (n=40) and Iranian (n=40) in applied linguistics. The results of move analysis phase which insights was from Swales’ (1990) model, showed that genre of acknowledgment was constituted of a main “Thanking” move framed by two optional “Reflecting” and “Announcing” moves in theses, two optional “Framing” and “Announcing” moves in textbooks, and one optional “Framing” move in research articles. Despite observing the “Thanking move” in acknowledgment sections of all genres, cross-generic differences were also found in the type and frequency of constituent steps used to realize this move and other optional moves. These differences indicate how the contextual, cultural, and institutional forces influence the production and reception of academic genres.
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 | 0,001 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».