MétaCan
Menu
Retour à la cohorte
Enregistrement W3080762030 · doi:10.31468/cjsdwr.785

Tooling up the Multi: Paying Attention to Digital Writing Projects at the Writing Centre

2020· article· en· W3080762030 sur OpenAlexaffvenueabout
Stephanie Bell, Brian Hotson

Notice bibliographique

RevueDiscourse and Writing/Rédactologie · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAffordanceProfessional writingSocial mediaAcademic writingComputer sciencePedagogyMultimediaSociologyMathematics educationPsychologyWorld Wide WebHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

With increasing regularity over the last decade, Canadian undergraduate students are being tasked with digital writing projects (DWPs), including wikis, blogs, video and audio essays, websites, and social media engagements. Currently, Canadian writing centres are silent about how DWPs are or might be supported within writing centre programming. To initiate the discussion, we asked our 2019 CWCA/ACCR conference workshop participants to consider ways of supporting a DWP in the writing centre. Our goal in the workshop, as well as in this paper, is to reflect on the ways writing centres are and can be supporting students working on digital writing projects. Workshop participants’ questions reveal several areas of attention beyond additional technology, including resources, pedagogical approaches, and writing centre programming and spatial design. Using this paper as an extension of our workshop, we examine the literature on digital and multimodal writing (which is largely American). It is in this literature that we find implications for building writing centre supports, involving both programs and spaces that foster student efforts to recognize media/modal affordances, develop and engage in design thinking, and build self-efficacious beliefs.

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)0,017
score de la tête « metaresearch » (Gemma)0,048
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 enseignants0,034
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0340,018
Communication savante0,0190,008
Science ouverte0,0040,023
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,228
Tête enseignante GPT0,466
Écart entre enseignants0,238 · 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

Citations2
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiscourse and Writing/RédactologieMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207