MétaCan
Menu
Retour à la cohorte
Enregistrement W2797560550 · doi:10.3968/10228

The Neglected Writing Style of Mathematical Modeling Essays

2018· article· en· W2797560550 sur OpenAlexvenueno aff
Leyang Wang

Notice bibliographique

RevueCanadian social science · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Technology and Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFormalityObjectivity (philosophy)Style (visual arts)ChinaSimplicityAcademic writingWriting styleComputer scienceSubjectivityQuality (philosophy)SociologyEpistemologyLinguisticsMathematics educationPsychologyLiteraturePolitical scienceLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

In modern society, academic exchanges are mainly processed in the style of English for Academic Purposes. Western countries have long been attaching importance to EAP teaching, while China just begins to teach EAP in the recent decade. With the purpose to enhance the quality of EAP teaching in China, Chinese publishers have published several sets of textbooks on EAP, most of which illustrate the following language features: formality, complexity and objectivity. However, those textbooks seldom discuss the unique writing style of mathematical modeling essays. Despite the fact that these essays are also written in a formal style, complexity and objectivity do not seem to be their focus. In fact, simplicity and subjectivity are considered as the two accepted unique stylistic features of mathematical modeling essays. This leads to the embarrassing result that most of mathematical modeling essays by Chinese authors are written according to the common features of other academic essays. It may deter academic exchanges of Chinese scholars with their counterparts from foreign countries. Therefore, Chinese teachers who teach EAP are required to be aware of the differences between mathematical modeling essays and other common academic essays.

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)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,021
Tête enseignante GPT0,299
Écart entre enseignants0,278 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetEducational Technology and AssessmentTravaux en français237 207