Application of Grounded Theory Methodology Using CEFR in the Field of Language Testing
Notice bibliographique
Résumé
The use of grounded theory methodology (GTM) is rare in the field of language testing as indicated by the literature survey. However, this study used GTM in a study on first year undergraduate students writing skills in Fiji. The study used the Common European Framework for Reference (CEFR) to evaluate student writing skills successfully at a university in Fiji. The CEFR is one of the most comprehensive frameworks for language evaluation that has been widely used by language testing organisations mostly in Western countries. This paper takes a methodological position rather than looking at empirical data from the research to engage novice users of GTM to apply it to the field of linguistics, specifically to language testing research. It provides step-by-step guide and a discussion of relevant literature that attest to the use of GTM in linguistics. The methodological contributions and the unique data set of the study will advance scholarly and social policy conversations on this topic. The study makes an original contribution to the body of knowledge on how grounded theory research methodologies can be applied to a longitudinal language testing research context. At present, language testing in higher education relies on data from conventional formative and normative assessments. Approaches such as grounded theory and longitudinal research design have rarely been used. The paper will benefit novice researchers such as Masters and PhD scholars as well as policy makers in applying the methodology to their studies.
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 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 | 0,005 | 0,003 |
| 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 | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».