MétaCan
Menu
Retour à la cohorte
Enregistrement W2565439828

Cognitive Modelling: A Case Study of Reading-to-write Strategy Instruction and the Development of Second Language Writing Expertise in a University English for Academic Purposes Writing Course

2015· dissertation· en· W2565439828 sur OpenAlexaboutno aff
Margaret Christine Heeney

Notice bibliographique

RevueTSpace (University of Toronto) · 2015
Typedissertation
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading (process)Computer scienceCognitionMathematics educationAcademic writingSecond language writingLinguisticsCourse (navigation)PsychologySecond languageEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case study investigates how the teaching of cognitive strategies in an English for Academic Purposes (EAP) writing course at a Canadian university occurs and relates to students' engagement in course writing tasks. While universities offer writing courses in order to improve academic writing skills, English Language Learners (ELL) may still be considered poor writers by mainstream standards. Perhaps the problem is not writing skill, but an ineffective linking of reading and writing strategic knowledge to the task at hand. Pedagogically interconnecting reading and writing skills reciprocally supports learner proficiency development, which may be enhanced by directly teaching awareness raising strategies. This doctoral study seeks to investigate the declarative, procedural and conditional knowledge of what a teacher actually does in the classroom. This instrumental qualitative case study took place in a 10-week EAP writing course. Data collection involved classroom observation, open-ended interviews, reflective questionnaires and retrospective think-aloud tasks of 6 focal students. Analysis of the classroom observations, stimulated recalls, interviews and end-of-term questionnaires were thematically analysed for links between observed teaching activities and student perceived awareness of learning. Taxonomies of teaching activities and learning activities incorporated five aspects of reading and writing behaviours. Teaching episodes are being analysed in one of three ways: Episodes of Raising Awareness (ERA), where teachers may only raise cognitive awareness by mentioning strategies for learning; Episodes of Strategy Explanation (ESE), where teachers explain and demonstrate the strategy; and Episodes of Cognitive Modelling (ECM), which entails the teacher verbalising by thinking aloud and demonstrating strategies as the expert. Student stimulated recalls were analysed as Episodes of Cognitive Learning (ECL). Analyses of the observations and the stimulated student recalls reveal results that link explicit teacher task modelling (ESEs and ECMs) by using think-alouds and demonstration to learner task awareness and strategy implementation. This study provides insights for researchers and educators across disciplines on the importance of the relationship between actively teaching cognitive strategies and how learners problem-solve or apply learning.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,008
Communication savante0,0050,003
Science ouverte0,0040,006
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,037
Tête enseignante GPT0,339
Écart entre enseignants0,302 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetSecond Language Acquisition and LearningTravaux en français237 207