MétaCan
Menu
Retour à la cohorte
Enregistrement W3095961483 · doi:10.5539/ijel.v11n1p10

Move Structures and Cognitive Genres in the Methods Sections of Experimental Research Articles and Corpus-Based Studies in Applied Linguistics

2020· article· en· W3095961483 sur OpenAlexvenueno aff
Wei-chen Chuang, Chia‐Chi Chen

Notice bibliographique

RevueInternational Journal of English Linguistics · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive linguisticsSection (typography)Variation (astronomy)CognitionComputer scienceApplied linguisticsCorpus linguisticsGenre analysisContrast (vision)Research methodLinguisticsNatural language processingPsychologyArtificial intelligencePhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper reports an investigation of the variation in the move structures and cognitive genres found in the methods sections of research articles (RAs) in a discipline with diversified research methods. Sixty-five RAs involving two research methods in applied linguistics, namely corpus-based studies and experimental research, were analyzed. The results showed that the methods sections of these RAs contained distinct move structures. These distinct move structures, along with the findings of previous studies on the move structures of various disciplines, suggested that the research method adopted in a study is a stronger factor than discipline is in determining the move structure of the methods section. The analysis of the cognitive genres used in the methods sections showed that authors typically require more than one cognitive genre to realize the major moves of the methods sections. However, this variation in the cognitive genres is low between the two patterns of study. These findings suggested that different research methods yield variations in the move structures of the methods sections. However, the cognitive genres that authors require to realize the move structures tend to be common.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,070
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,420
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,070
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,454
Écart entre enseignants0,307 · 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 tête enseignante, pas un consensus.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207