Editorial: Digital Genres and Multimodality
Notice bibliographique
Résumé
Today's online science production and dissemination practices are far from being monolingual, monomodal or scarce in available genres (cf., e.g., Luzón & Pérez-Llantada, 2022, or the review in this issue).Quite on the contrary, the digitalization (or digitization) of science communication (Bucher, 2020;Könneker & Lugger, 2013) has brought about unprecedented access to a profusion of diverse semiotic resources which researchers need to harness for the effective diffusion and promotion of their investigative activities (Luzón, 2019;Xia & Hafner, 2021).Facing this complex panorama, the field of English for Specific Purposes (ESP) plays a crucial role in its endeavour to analyse and systematize the pedagogy of specialized discourse use in relation to the communicative practices of professional communities.At this juncture, this Special Issue of ESP Today puts together a collection of state-of-the-art research touching on web-mediated emerging genres from the perspective of ESP genre studies, complemented by two instances of research into digital instructional genres (for a justification of this decision see e.g., Bondi, 2016).More specifically, the issue intends to combine aspects of rhetorical and contextual analysis together with studies investigating the discourse features of these genres as expressed in their use of digital multimodal semiotic resources.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,016 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,019 |
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 ».