‘This novel is not totally full of tears...’: Graduation Resources as Appraisal Strategies in EFL Students’ Fiction Book Review Oral Presentation
Notice bibliographique
Résumé
Today, scholars in the field of text analysis are increasingly interested in studying evaluative language. However, few, if any, studies on classroom language have examined EFL students' fiction book review oral presentations from the perspective of the appraisal model. This study aimed at examining students’ use of graduation resources as part of appraisal strategies in classroom discourse, as well as lexico-grammatical resources for coding these strategies in texts. Graduation, in functional perspective is the sub-system of appraisal that is connected with force and focus in creating interpersonal meaning. The dataset comprised three transcripts of students’ fiction book review oral presentations in scientific presentation course, comprising 7.593 words in total. The data were examined quantitatively to identify the statistical variations in utilizing graduation resources in EFL students’ oral presentations. The preferences for lexico-grammatical resources for the construal of these strategies were also illustrated through a qualitative analysis. The results of the study reveal that the classroom discourse of EFL students’ fiction book review oral presentation is loaded with graduation resources. The results of the study show that all students used all graduation resources, specifically force and focus. In terms of force, the sub-systems of intensification (e.g., just, so, never, quiet, full of) and quantification (e.g., only, one of, some of, closely, etc) were applied. Meanwhile, in terms of focus, students only used the sharpen sub-system (e.g., originally, especially). The sub-systems within the system of graduation were shown to serve as strong tools developing the student’s skill to have critical thingking competence.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».