MétaCan
Menu
Retour à la cohorte
Enregistrement W3187815040 · doi:10.14288/bctj.v6i1.390

Thriving through Uncertainties: The Agency and Resourcefulness of First-Year Chinese English as an Additional Language Writers in a Canadian University

2020· article· en· W3187815040 sur OpenAlexaffabout
Jing Mao

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésThrivingAgency (philosophy)MainstreamSocializationPedagogyPsychologyConversationSociologySocial psychologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Amidst the increased enrolment of international Chinese English as an additional language (EAL) students in North American universities, scholars have reported on their academic and social experiences in navigating English-medium studies (e.g., Liu, 2016; Zhang & Zhou, 2010). Although informative, some studies focus on EAL learners’ perceived deficient language proficiencies, and how these deficits can negatively impact their academic success. In contrast to studies based on deficit models, this study argues that participants exhibit agency as evidenced in their responses to challenges encountered in and changes to their perceptions of and practices in academic writing. Employing an ecological perspective and (second) language socialization theories (Duff, 2010, 2019; van Lier, 2004, 2008), this qualitative case study examined how six first-year Chinese EAL learners enacted their agency and resourcefulness when navigating their academic writing trajectories. Ultimately, this study’s findings recommend that composition faculty, administrators, and EAL educators recognize EAL writers’ agency in accessing multiple resources while acknowledging their writing challenges, providing an optimal learning environment, and empowering them to thrive in their mainstream composition studies.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0570,000

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 Opus0,115
Tête enseignante GPT0,420
Écart entre enseignants0,305 · 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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetSecond Language Learning and TeachingTravaux en français237 207