MétaCan
Menu
Retour à la cohorte
Enregistrement W3106158340 · doi:10.37514/per-b.2009.2324.2.09

The Dissertation as Multi-Genre: Many Readers, Many Readings

2009· book-chapter· en· W3106158340 sur OpenAlexafffund
Anthony Par�, Doreen Stärke-Meyerring, Lynn McAlpine

Notice bibliographique

RevueThe WAC Clearinghouse; Parlor Press eBooks · 2009
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensMcGill University
Organismes subventionnairesMcGill UniversityIowa State UniversityUniversity of MichiganColorado State University
Mots-clésHistoryLiteratureComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

Since most academics have completed a dissertation, it is ironic that the genre is such an under-theorized, under-studied, and under-taught text (Rose & Mc- Clafferty, 2001; Lundell & Beach, 2002; Kamler & Thomson, 2006). Perhaps, like childbirth, it is best forgotten; more likely, as Bazerman’s comment above suggests, the linguistic and rhetorical complexities of the dissertation are simply inexpressible for most academics. Unfortunately, doctoral students are often in desperate need of help with their dissertations, and yet, when Kamler and Thomson (2006) searched the literature, they found a “relative scarcity of welltheorized material about doctoral supervision and writing” and remarked that “doctoral writing was a kind of present absence in the landscape of doctoral education. It was omething that everyone worried about, but about which there was too little systematic debate and discussion” (p. x). Our focus in this chapter is on the supervisory dyad and the collaborative relationship between doctoral students and their advisors. We see the dyad as a critical dynamic in the student’s apprenticeship in disciplinary consciousness, identity, and discourse, and we set out to discover what occurred in supervisory sessions, especially when writing was the topic.

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)0,008
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,023
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0090,011
Communication savante0,0230,015
Science ouverte0,0020,009
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0140,006

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 Opus0,247
Tête enseignante GPT0,481
Écart entre enseignants0,235 · 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

Citations90
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe WAC Clearinghouse; Parlor Press eBooksMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207