MétaCan
Menu
Retour à la cohorte
Enregistrement W2306503583 · doi:10.1017/s0261444815000452

International teaching assistants at universities: A research agenda

2016· article· en· W2306503583 sur OpenAlexaboutno aff
Greta Gorsuch

Notice bibliographique

RevueLanguage Teaching · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFluencyPresentation (obstetrics)VocabularyTurkishPedagogyMathematics educationPopulationFace (sociological concept)PsychologySociologySocial scienceLinguisticsMedicine

Résumé

récupéré en direct d'OpenAlex

International teaching assistants (ITAs) are Indian, Chinese, Korean, Turkish, etc. international students who have been admitted to graduate study at universities in the U.S.A. and Canada, and are being supported as instructors of undergraduate-level classes and labs in biology, chemistry, physics, and math. For the past 30 years, the number of ITAs has been increasing, and many departments at universities have come to rely largely on ITAs to cover their undergraduate teaching needs. As high-intermediate and low-advanced second language learners who must use their second language for professional purposes, ITAs face linguistic, social, professional, and cultural challenges. This is a learner population that deserves more attention, as I hope to establish here with this presentation of six research tasks. I have organized proposed research projects in such a way as to increase readers’ familiarity with this little publicized field, and also to relate the projects to different contexts of inquiry. By ‘contexts’ I mean ‘who is asking what and for what reasons.’ The two contexts of inquiry are: (1) Established areas of ITA program concern, including acquisition of fluency, prosody, and vocabulary; and (2) Working with ‘outside’ theories, such as the Output Hypothesis, and deliberate practice theory.

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)0,051
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,040
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,012
Études des sciences et des technologies0,0120,007
Communication savante0,0240,042
Science ouverte0,0040,007
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,075
Tête enseignante GPT0,360
Écart entre enseignants0,284 · 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'étudeThéorique ou conceptuel
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

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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