The Use of Metadiscourse by Saudi and British Authors: A Focus on Applied Linguistics Discipline
Notice bibliographique
Résumé
This study investigated the use of metadiscourse tools by Saudi and British authors in Applied Linguistics discipline. In particular, the study tried to identify the kinds of metadiscourse markers used by Saudi and English authors in ALRAs and to determine the most and least frequent metadiscourse makers. In order to achieve these goals, (10) ALRAs written by Saudi authors and (10) ALRAs written by British authors served as the corpus of the study. The research articles were selected from well-known journals and published between 2010 – 2018. Hyland's (2005) model was used to find out the distribution of metadiscourse markers in each type of corpora. The findings showed interactive metadiscourse markers are used more than the interactional metadiscourse markers. Compared with the British authors, the Saudi authors were found to use metadiscourse markers more than the British authors. The Saudi authors employed all metadiscourse sub-categories more frequently than the British authors except frame markers, evidentials, endophoric markers, and self-mentions. In addition, it was found that transitions were the highly frequent metadiscourse markers in the whole corpora, followed by hedges, evidentials, boosters, and attitude markers, respectively. On the other hand, engagement markers were the least frequent metadiscourse markers in the whole corpora. 
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».