“To Whom It May Concern”: A Study on the Use of Lexical Bundles in Email Writing Tasks in an English Proficiency Test
Notice bibliographique
Résumé
Lexical bundles are worthy of attention in both teaching and testing writing asthey function as basic building blocks of discourse. This corpus-based study focuseson the rated writing responses to the email tasks in the Canadian EnglishLanguage Proficiency Index Program® General test (CELPIP-General) and exploresthe extent to which lexical bundles could help characterize the written responsesof the test-takers of different English proficiency levels. Three subcorporaof email writing responses were created based on test-takers’ proficiency levels.AntConc 3.4.4 was used to identify 2- to 6-word lexical bundles, which were thenmanually coded for their discourse functions. The results showed that test-takersof higher proficiency levels used more lexical bundles in terms of both bundle typesand tokens compared with test-takers of lower proficiency level. The writing samplesof different proficiency levels shared some lexical bundles, and overall theyhad similar proportional distributions of lexical bundle functions. Nevertheless,noticeable differences among the proficiency levels were observed in the proportionaldistributions of the subfunctions of stance bundles, discourse organizingbundles, and bundles of other functions. The identification of differential use oflexical bundles can contribute to a better understanding of English learners’ emailwriting performance.Les expressions figées méritent notre attention tant en enseignement qu’en évaluationde l’écrit puisqu’elles jouent le rôle de composantes de base du discours.Cette étude basée sur des corpus porte sur des réponses écrites par courriel à destâches et évalue la mesure dans laquelle les expressions figées pourraient aiderà caractériser les réponses écrites des participants de différentes compétencesen anglais. Trois sous corpus de réponses écrites par courriel ont été créés enfonction des niveaux de compétence des participants. AntConc 3.4.4 a servi dansl’identification d’expressions figées composées de 2 à 6 mots qui ont ensuite étécodées manuellement selon leurs fonctions discursives. Les résultats indiquentque les participants de niveaux de compétence plus élevés employaient plusd’expressions figées et de types plus variés comparativement aux participants deniveaux de compétence plus bas. Les échantillons de textes de différents niveauxde compétence partageaient quelques expressions figées et, globalement, avaientdes distributions proportionnelles d’expressions figées similaires. Toutefois, desdifférences notables entre les niveaux de compétence ont été observées dans ladistribution proportionnelle des sous fonctions discursives. L’identification desdifférences dans l’emploi des expressions figées peut contribuer à une meilleure compréhension du rendement des apprenants d’anglais quand ils écrivent des courriels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».