Exploring<scp>EAP</scp>instructors' evaluation of classroom‐based integrated essays
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.
Notice bibliographique
Résumé
Due to its authenticity as an academic writing task, integrated writing assessment has become widely used for assessing the writing ability of English for academic purposes (EAP) students (Plakans & Gebril, 2017). However, apart from validation studies focusing on a common set of standardized test rubrics (e.g., Chan, Inoue, & Taylor, 2015), little research has explored the construct of integration or how to assess it effectively in EAP contexts. To provide second language (L2) writing researchers and practitioners with an empirically based model of source integration, this study explored EAP instructors' orientations when assessing integrated essays and investigated the relationship between instructor ratings and textual measures of source use. Six experienced EAP instructors first evaluated two sample argumentative essays written by undergraduate English L2 students and provided comments through a stimulated recall interview. Next, they evaluated 48 additional argumentative essays using an analytic rubric that included dimensions of source use and provided comments for each essay. Finally, the essays were analyzed for linguistic and rhetorical features associated with source integration. Triangulation of data sources revealed that the instructors oriented to three aspects of source integration: using source information to support personal claims, incorporating source‐text language in students' own words, and representing source content accurately. Their ratings were correlated with text‐based measures of students' source use. Implications for teaching and assessing integrated writing in EAP settings are discussed.
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 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 | 0,002 | 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 | 0,001 | 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) | 0,011 | 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 découle