MétaCan
Menu
Retour à la cohorte
Enregistrement W4387820020 · doi:10.34190/ecel.22.1.1827

Assessment of Academic ESL Writing in an Online Tutorial for Graduate Students

2023· article· en· W4387820020 sur OpenAlexafffundabout
Zhi Li, Veronika Makarova, Zhengxiang Wang

Notice bibliographique

RevueEuropean Conference on e-Learning · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésRubricComputer scienceSet (abstract data type)Academic writingMathematics educationEnglish for academic purposesGraduate studentsPsychologyMedical educationPedagogyMedicine

Résumé

récupéré en direct d'OpenAlex

English-as-a-second language (L2) graduate students often face challenges in developing academic writing skills, which can be exacerbated by a lack of timely support at institutional level. To help address this concern, an original set of online academic writing tutorials with a focus on the genre of Literature Review was designed by the authors to assist international graduate students enrolled in graduate programs in Canada. This paper introduces and compares multiple assessment tools employed in the online tutorial set for international English L2 graduate students. Our project pursues two major goals: First, to address the above-identified gap in Academic Writing support to English L2 graduate students with minimal costs and faculty involvement through designing the online tutorial set; second, to contribute to the research on e-learning of Academic English as a second language (ESL) writing in terms of developing integrated tools for online tutorial building, analysis of texts produced by learners, and assessment of learners’ writing progress. The research questions are: 1. What resources can be combined to develop an online tutorial set for graduate students at minimal costs? 2. How can the learners’ progress in academic ESL writing be assessed with different assessment tools? First, the paper describes the tools employed in the tutorial construction: MoodleCloud platform, H5P interactive e-book designed by the authors, surveys, and assessment tools. Second, we present and compare assessment tools employed to evaluate learners’ writing progress: Expert assessment with an analytic rubric, self-assessments of progress by the participants, and automated text analysis with corpus-based tools as reported in Li, Makarova, and Wang (2023). A comparison of the scores across the three assessment tools shows some discrepancies, which seems to suggest that combined tools yield a more comprehensive picture. The expert assessments and self-assessments demonstrate improvement in the writing quality over the course of the tutorial series, which are partially supported with the findings from corpus-based analysis of participants’ texts. The findings are of relevance to e-learning scholars, faculty, and administrators of English-medium universities with substantial intakes of international graduate students in Social Sciences and Education whose native languages are other than English.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,216
Tête enseignante GPT0,390
Écart entre enseignants0,174 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEuropean Conference on e-LearningMême sujetSecond Language Learning and TeachingTravaux en français237 207