MétaCan
Menu
Retour à la cohorte
Enregistrement W4253641488 · doi:10.1075/lllt.49.12gen

A systemic functional linguistic approach to usage-based research and instruction

2018· book-chapter· en· W4253641488 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLanguage learning and language teaching · 2018
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésNominalizationLinguisticsSystemic functional linguisticsPerspective (graphical)Context (archaeology)LiteracySociologyPsychologyComputer sciencePedagogyArtificial intelligenceNounHistory

Résumé

récupéré en direct d'OpenAlex

Abstract The present chapter illustrates how Systemic Functional Linguistics (SFL) can inform a usage-inspired approach to researching and teaching L2 writing in a postsecondary context. We first outline an SFL perspective to multilingual academic literacy development and then illustrate this perspective by means of longitudinal, corpus data on nominalization use in the English academic writing of francophone university students over four years. By means of quantitative indicators (nominalization frequencies, erroneous forms, measures of L2 proficiency scores and syntactic complexity) and qualitative analyses (of the discourse functions that nominalization serve), we argue that French-speaking writers’ use of nominalization in English indexes both language-specific and language-interdependent aspects of multilingual academic literacy development. We conclude with implications for further SFL-informed research and instruction that aims to promote multilingual academic literacy development by raising crosslinguistic awareness of the forms and functions of nominalization in academic discourse.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,058
Tête enseignante GPT0,308
Écart entre enseignants0,250 · 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