Writing Goes Back to School: Exploring the “Institutional Practice of Mystery” in a Graduate Education Program
Notice bibliographique
Résumé
Drawing on a qualitative case study of writing practices and pedagogies in one Canadian graduate Education program, this article discusses roles and responsibilities of course instructors for teaching and supporting academic writing at the master’s level. Data were collected through individual, semi-structured, in-depth interviews with 14 graduate students and eight professors and they were analyzed thematically. The discussion is framed by the academic literacies pedagogical framework (ACLITS). The data suggest that academic writing expectations can be sources of extreme stress for graduate students. The students and instructors lacked a common language to discuss student texts. In the absence of explicit academic writing pedagogies, students and instructors sometimes turned to simplistic advice received at school. The paper also discusses pedagogical challenges associated with the teaching of disciplinary writing genres in multi-perspectival fields such as Curriculum Studies. Dans cet article, basé sur une étude de cas qualitative de pratiques et de pédagogies de rédaction menée dans un programme universitaire d’éducation de cycle supérieur dans une université canadienne, il est question des rôles et des responsabilités des instructeurs concernant l’enseignement et les travaux de rédaction universitaire de soutien au niveau de la maîtrise. Les données ont été recueillies à partir d’entrevues individuelles approfondies, semi structurées, auprès de 14 étudiants de cycle supérieur et de huit professeurs. Les entrevues ont ensuite été analysées de manière thématique. La discussion se place dans le cadre pédagogique des littéracies universitaires (ACLITS - Academic Literacies Pedagogical Framework). Les données suggèrent que les attentes en matière de travaux de rédaction universitaire peuvent être des sources de stress extrême pour les étudiants de cycle supérieur. Les étudiants et les instructeurs n’ont pas de langue commune pour discuter les textes produits par les étudiants. En l’absence de pédagogies explicites en matière de travaux de rédaction universitaire, les étudiants et les instructeurs se tournent parfois vers des avis simplistes obtenus à l’école. Cet article présente également les défis pédagogiques associés à l’enseignement des genres disciplinaires de travaux de rédaction dans des domaines qui présentent des perspectives multiples tels que les études du curriculum.
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 | 0,017 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,027 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».