MétaCan
Menu
Retour à la cohorte
Enregistrement W4312116579 · doi:10.18192/olbij.v12i1.6064

Mission possible: Incorporating academic literacy and readiness into an English intensive program curriculum

2022· article· en· W4312116579 sur OpenAlexaffvenueabout
Reza Farzi, Olga Fellus

Notice bibliographique

RevueOLBI Journal · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCurriculumMathematics educationLiteracyPedagogyInstitutionLearning developmentEnglish for academic purposesMedical educationHigher educationSociologyComputer sciencePsychologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Students at Canadian universities who do not meet their program-specific language and academic requirements may be admitted to their programs with a condition to enrol in an intensive language program. While, in general, university-based language intensive programs aim to help students improve their general and academic language proficiency, our focus is to specifically enhance, foster, and render visible students’ academic literacy and academic readiness. We aim to bring forth some of the intricacies and complexities of curriculum design that are embedded within current theory and practice and address needs based nuances in teaching academic English to international students. In this article, we use a multi-dimensional framework to describe a case study of an academic institution that offers an English Intensive Program. curriculum. This program allows for, inter alia, the incorporation of multiple literacies including extra curricular activities to promote the development of a wide array of academic literacies in students enrolled in the English Intensive Program. Following a description of the theoretical framework, we discuss practical implications of including theory driven academic literacies into intensive language program curricula for different stakeholders.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes 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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,277 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOLBI JournalMême sujetSecond Language Learning and TeachingTravaux en français237 207