An Exploration of the Scientific Writing Experience of Nonnative English-Speaking Doctoral Supervisors and Students Using a Phenomenographic Approach
Notice bibliographique
Résumé
Nonnative English-speaking scholars and trainees are increasingly submitting their work to English journals. The study’s aim was to describe their experiences regarding scientific writing in English using a qualitative phenomenographic approach. Two focus groups (5 doctoral supervisors and 13 students) were conducted. Participants were nonnative English-speakers in a Swedish health sciences faculty. Group discussion focused on scientific writing in English, specifically, rewards, challenges, facilitators, and barriers. Participants were asked about their needs for related educational supports. Inductive phenomenographic analysis included extraction of referential (phenomenon as a whole) and structural (phenomenon parts) aspects of the transcription data. Doctoral supervisors and students viewed English scientific writing as challenging but worthwhile. Both groups viewed mastering English scientific writing as necessary but each struggles with the process differently. Supervisors viewed it as a long-term professional responsibility (generating knowledge, networking, and promotion eligibility). Alternatively, doctoral students viewed its importance in the short term (learning publication skills). Both groups acknowledged they would benefit from personalized feedback on writing style/format, but in distinct ways. Nonnative English-speaking doctoral supervisors and students in Sweden may benefit from on-going writing educational supports. Editors/reviewers need to increase awareness of the challenges of international contributors and maximize the formative constructiveness of their reviews.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».