MétaCan
Menu
Retour à la cohorte
Enregistrement W3176654202 · doi:10.47408/jldhe.vi25.961

Supporting student writing and other modes of learning and assessment: a staff guide

2022· article· en· W3176654202 sur OpenAlexaff
Sandra Abegglen, Tom Burns, Sandra Sinfield

Notice bibliographique

RevueJournal of Learning Development in Higher Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of SurreyUniversity of StirlingUniversity of NorthamptonUniversity of WestminsterUniversity of Salford ManchesterUniversity of HullLeeds Beckett University
Mots-clésPunctuationAcademic writingSpellingPedagogyFeelingSociologyMeaning (existential)Professional writingGrammarNormativeHigher educationPsychologyLinguisticsPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Academic writing in Higher Education (HE) is contested practice freighted with meaning, never more so than for widening participation students, still placed as ‘outsiders’ and often left feeling unwelcome and ‘un-voiced’. Ironically, as Molinari (2022) argues, universities were originally more diverse in form and content, not heavily ‘literate’ but oral, discursive and creative. As HE has become ostensibly more ‘open’ the system has become more normative, more formally rule-bound, more ‘written’ – and hence more exclusive. A recent example in the UK is the Office for Students’ attack on inclusive assessment, pushing instead for more emphasis on spelling, punctuation and grammar. Alongside this tension, many in the Learning Development (LD) community feel that discipline academics do not see the ‘teaching’ of academic writing as part of their pedagogic and assessment repertoire, preferring to send students to LD ‘to be fixed’. However, academics and LDs engaged in discussion and free writing (Elbow 1998, 1999) on this topic at a LondonMet L&T Conference presented views that were more nuanced and sympathetic. There was a deep appreciation of the ‘real’ work that academic writing does with and for students; but also a sense that they did not know how to build writing into their practice(s). And so was born this staff Guide: a playful, creative and yet intensely practical guide for academic staff who want to empower their students to write – often, playfully, experimentally – on their way to ‘becoming’, and becoming academic. Presenting the Guide in the resource showcase allowed us to highlight the continuing centrality of writing. Lecturers and university staff can use it to engage students in ‘writing to learn’ rather than ‘learning to write’.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,003
Communication savante0,0060,006
Science ouverte0,0030,006
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0190,025

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 Opus0,057
Tête enseignante GPT0,432
Écart entre enseignants0,375 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Learning Development in Higher EducationMême sujetHigher Education Practises and EngagementTravaux en français237 207