MétaCan
Menu
Retour à la cohorte
Enregistrement W2145523583 · doi:10.1177/026553220101800206

ESL/EFL instructors' practices for writing assessment: specific purposes or general purposes?

2001· article· en· W2145523583 sur OpenAlexaffabout
Alister Cumming

Notice bibliographique

RevueLanguage Testing · 2001
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInterviewPsychologyMathematics educationEnglish for academic purposesPedagogyWriting assessmentLanguage assessmentProcess (computing)SociologyComputer science

Résumé

récupéré en direct d'OpenAlex

A fundamental difference emerged between specific and general purposes for language assessment in the process of my interviewing 48 highly experienced instructors of ESL/EFL composition about their usual practices for writing assessment in courses in universities or immigrant settlement programs. The instructors worked in situations where English is either the majority language (Australia, Canada, New Zealand) or an international language (Hong Kong, Japan, Thailand). Although the instructors tended to conceptualize ESL/EFL writing instruction in common ways overall, I was surprised to find how their conceptualizations of student assessment varied depending on whether the courses they taught were defined in reference to general or specific purposes for learning English. Conceptualizing ESL/EFL writing for specific purposes (e.g., in reference to particular academic disciplines or employment domains) provided clear rationales for selecting tasks for assessment and specifying standards for achievement; but these situations tended to use limited forms of assessment, based on limited criteria for student achievement. Conceptualizing ESL/EFL writing for general purposes, either for academic studies or settlement in an English-dominant country, was associated with varied methods and broad-based criteria for assessing achievement, focused on individual learners’ development, but realized in differing ways by different instructors.

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)0,015
score de la tête « metaresearch » (Gemma)0,056
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 enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,143
Tête enseignante GPT0,363
Écart entre enseignants0,220 · 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

Citations57
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage TestingMême sujetEFL/ESL Teaching and LearningTravaux en français237 207