Suggestions toward Some Discourse-analytic Approaches to Text Difficulty: With Special Reference to ‘T-unit Configuration’ in the Textual Unfolding
Notice bibliographique
Résumé
This paper represents some suggestions towards discourse-analytic approaches for ESL/EFL education, with the focus on identifying the textual forms which can contribute to the textual difficulty. Textual difficulty / comprehensibility, rather than being purely text-based or reader-dependent, is certainly a matter of interaction between text and reader. The paper will look at some of the textual factors which can be argued to make a text more or less readable for the same reader. The main focus here will be on academic texts. The high cognitive load and low readability of the expository texts in various academic disciplines will be argued to belong to certain textual strategies as well as variations in the configurations of the T-units as the prime scaffolding for the textualization process. Different categories of these variations to be discussed here will be exemplified from a few academic and expository registers. More extensive textual analyses will, of course, be necessary in order to be able to make evidential suggestions for possible correlations between certain types and clusters of T-unit configurations on the one hand, and cognitive load and readability indices on the other, across various academic registers, genres and disciplines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,018 | 0,010 |
| Études des sciences et des technologies | 0,007 | 0,053 |
| Communication savante | 0,020 | 0,041 |
| Science ouverte | 0,013 | 0,010 |
| Intégrité de la recherche | 0,010 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».