MétaCan
Menu
Retour à la cohorte
Enregistrement W2181448381 · doi:10.5539/ells.v5n4p98

A Comparative Analysis of the Generic Structure of RA English Abstracts in Chinese-Medium and English-Medium Linguistics Journals

2015· article· en· W2181448381 sur OpenAlexvenueno aff
Mindan Wei, Yunping Liu, Junli Liu

Notice bibliographique

RevueEnglish Language and Literature Studies · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesBeijing Institute of Technology
Mots-clésLinguisticsListing (finance)First languageComputer scienceForeign languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper aims to analyze the generic structure of English abstracts in both Chinese-medium and English-medium linguistics journals. A total of 40 abstracts published in the year of 2011-2013 are collected randomly, with 20 written by native English speakers from Applied Linguistics and Language and the other 20 by Chinese scholars from Journal of Foreign Languages and Foreign Language Teaching and Research. The BIMRD/C model is adopted in this study as distinct differences can be found in the two corpora in terms of the Background move. Three major differences are revealed. Firstly, the abstracts written by native English speakers are more complete in structure than those by Chinese writers as they tend to omit the Background move and the Discussion/Conclusion move. Secondly, most Chinese writers prefer to combine the Method move with the Introduction move and put it at the very beginning of the abstract, while native writers tend to use the independent and the integrated Method nearly equally. Thirdly, in the Results move, Chinese scholars tend to objectively report their study results in detail by “Results indicate that…”, sometimes listing them, while native English writers sometimes choose to highlight their research results by patterns of “we find (show, propose) that” and “I propose” although most of them also use such objective patterns to present their research results. This study is especially helpful for those Chinese writers who hope to publish their paper in international journals.

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)0,008
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,065
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0340,030
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,303
Écart entre enseignants0,281 · 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.

Devis d'étudeObservationnel
DomainePrésentation des résultats
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207