Does the Quality of Source Notes Matter? An Exploratory Study of Source-based Academic Writing
Notice bibliographique
Résumé

 
 
 Integrated writing tasks have increased in popularity in second language writing classrooms. Extensive research on these tasks has examined the challenges that students face when completing such tasks. One significant challenge is the transformation of source language use when students integrate source information into their own essays. However, little is known about the relationship between students’ source notes and the quality of the essays that they produce. This exploratory study examined this issue by investigating the relationship between characteristics of English for academic purposes (EAP) students’ notes (N = 24) and their essay scores. The students’ notes were coded in terms of how they appropriated information from the source texts using four categories: copied, copied with changes, copied with gaps, and paraphrased. A multiple linear regression revealed that essay scores were predicted by the degree to which the students transformed source language and avoided copying. The implications of these findings for second language (L2) writing pedagogy and assessment are discussed.
 Les tâches de rédaction intégrée deviennent de plus en plus populaires dans les classes de rédaction en seconde langue. Ces tâches ont fait l’objet de nombreuses recherches qui ont étudié les défis auxquels font face les étudiants lorsqu’ils les exécutent. Un défi de taille est la transformation de l’utilisation de la langue source lorsque les étudiants intègrent l’information tirée des sources dans leurs rédactions. Cependant, on ne sait pas grand chose sur la relation entre les notes des étudiants provenant des sources et la qualité des rédactions qu’ils produisent. Cette étude exploratoire s’est intéressée à ce problème étudiant la relation entre les caractéris- tiques des notes des étudiants dans les cours d’anglais académique (N = 24) et les notes obtenues pour leurs rédactions. Les notes des étudiants ont été classées en quatre catégories selon la façon dont ils s’appropriaient l’information des textes sources : copiées, copiées avec des changements, copiées avec des lacunes et para- phrasées. Une régression multiple linéaire a révélé que les notes obtenues pour les rédactions étaient prédites par le degré auquel les étudiants avaient transformé la langue source et avaient évité de copier. On discute des implications de ces résultats pour la pédagogie et l’évaluation de la rédaction en langue seconde (L 2).
 
 
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».