Research in Writing Instruction and Assessment: Current and needed research to improve student writing
Notice bibliographique
Résumé
Discussions among educators at almost any level will invariably result in one point of agreement: students at all levels are under-prepared in writing skills. Unfortunately, this is a conclusion that also predominates much of the research literature on the improvement of student writing as well. Despite the importance attached to high-stakes academic writing skills, research has contributed little insight about the challenges students face with academic writing tasks. Llosa, Beck, and Zhao (2011) point out that the National Commission on Writing in America’s Schools and Colleges found that this lack of understanding of the writing process was so significant that they identified writing as, the “Neglected ‘R’ (National Commission on Writing, 2003; Llosa, Beck and Zhao, 2011). In the following paper, authors Caldwell and Outcault Hill present a broad review of the areas of research into the writing process and assessment of writing and suggest areas where further research is needed. Their discussion focuses on 1) Research related to the influence of Cognitive function on the writing process, 2) Research into teaching various genres such as exposition, argument, narrative, analysis, and creative writing, 3) Research on the assessment of writing, and finally, 4) Research on alternative teaching methods.
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 | 0,090 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,015 | 0,027 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».