MétaCan
Menu
Retour à la cohorte
Enregistrement W3110556947 · doi:10.31468/cjsdwr.827

The Tutor Development Needs of Writing Centre Consultants Working with Undergraduate Students Using English as an Additional Language

2020· article· en· W3110556947 sur OpenAlexaffvenueabout
Maya A. Pilin, Michael Landry, Scott Roy Douglas, Amanda Brobbel

Notice bibliographique

RevueDiscourse and Writing/Rédactologie · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTUTORNeeds analysisPsychologyContext (archaeology)PedagogyMathematics educationPoint (geometry)Medical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Growing numbers of international students and newcomers attending post-secondary studies means that there are more students using English as an additional language (EAL) at Canadian universities. Consequently, writing centres have recognized the need for specialized training for their tutors as they support these students. However, it is difficult to find research on tutor perspectives about these training programs in a Canadian context. The current project aimed to gather insight regarding tutors’ perceived knowledge and needs in helping students using EAL with their writing. The findings point to a need for tutor development which specifically contributes to supporting EAL writers in the form of ongoing interactive workshops on language awareness, instructional strategies, and communication skills. Twelve writing tutors completed a questionnaire in which they were asked about their previous EAL experiences, their current understanding of tutoring students using EAL, and their training needs in this area. A qualitative analysis revealed that tutors hoped to develop their ability in explaining grammatical rules, as well as improve their communication skills and developing pedagogical skills. These identified areas of development suggest a need to establish formal training in additional language acquisition theory, language awareness, and intercultural communication strategies.

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)0,009
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,019
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,118
Tête enseignante GPT0,361
Écart entre enseignants0,243 · 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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiscourse and Writing/RédactologieMême sujetEFL/ESL Teaching and LearningTravaux en français237 207