MétaCan
Menu
Retour à la cohorte
Enregistrement W2955380721 · doi:10.1080/15434303.2019.1628238

“Be a Machine”: International Graduate Students’ Narratives around High-Stakes English Tests

2019· article· en· W2955380721 sur OpenAlexaffabout
Jeanne Sinclair, Elizabeth Larson, Shakina Rajendram

Notice bibliographique

RevueLanguage Assessment Quarterly · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTest of English as a Foreign LanguageNarrativeTest (biology)Agency (philosophy)Language proficiencyMathematics educationLanguage assessmentPsychologyPedagogyStudy abroadMedical educationSociologyLinguisticsSocial science

Résumé

récupéré en direct d'OpenAlex

The number of internationally mobile students pursuing higher education increases each year, with 8 million students expected to study abroad globally by 2025 (Farrugia, 2014). Many English-dominant universities require international applicants to provide standardized test scores as evidence of English proficiency. Accordingly, millions of students write tests such as the International English Language Testing System (IELTS) and the Test of English as a Foreign Language (TOEFL) each year. Much research has investigated these tests’ technical properties; however, less has explored the lived experiences around these tests. The current paper responds to calls for research investigating test-takers’ perspectives and contributes to research about the social and personal impact of such tests. It centers on the life stories of four Canadian-based international graduate students who took the IELTS or TOEFL. Through narrative portraiture we explore how language tests may enable and constrain these students’ life choices. The paper is guided by this research question: What do successful test-takers’ narratives about learning English and navigating high-stakes English tests reveal about the relationship between student agency and durable structures?

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)0,014
score de la tête « metaresearch » (Gemma)0,025
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 enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,025
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0270,037
Communication savante0,0240,011
Science ouverte0,0040,018
Intégrité de la recherche0,0060,017
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,298
Écart entre enseignants0,277 · 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

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage Assessment QuarterlyMême sujetSecond Language Learning and TeachingTravaux en français237 207