MétaCan
Menu
Retour à la cohorte
Enregistrement W2583207413 · doi:10.5539/elt.v10n3p1

Evaluation in Moves: An Integrated Analysis of Chinese MA Thesis Literature Reviews

2017· article· en· W2583207413 sur OpenAlexvenueno aff
Jianping Xie

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesGuangdong Office of Philosophy and Social Science
Mots-clésArgument (complex analysis)Rhetorical questionPsychologyEnglish for academic purposesAppraisal theoryChinaLinguisticsAcademic writingMathematics educationSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The ultimate communicative purpose of literature reviews is to convince the reader of the worthiness of the writer’s research, which is realized stage by stage and evaluation plays an important role in achieving this end. However, concerns about evaluation demonstration in novice academic writers’ literature reviews have been repeatedly voiced in academia. This study examines how Chinese English-major MA students utilize evaluative resources in different rhetorical stages in thesis literature reviews and whether in a way that facilitates building a coherent argument for their own studies. To achieve this, an integrated appraisal analysis applying Martin and White’s (2005) appraisal framework with a move analysis based on Kwan’s (2006) model of the move structure of thesis literature reviews is undertaken. Results show that the Chinese students generally manipulate evaluative resources in a way that is beneficial for realizing the purposes of different rhetorical stages in thesis literature reviews. However, they also have problems in deploying generic structure and constructing evaluative stances, which hamper weaving a strong argument in the texts. Findings of this study provide implications for teaching English academic writing in China and in other L2 contexts as well.

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)0,015
score de la tête « metaresearch » (Gemma)0,050
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0230,019
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,338
Écart entre enseignants0,310 · 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'étudeQualitatif
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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207