MétaCan
Menu
Retour à la cohorte
Enregistrement W4389314128 · doi:10.5206/cjsotlrcacea.2023.2.14729

Tutor Perceptions of a University Writing Centre’s Program of Skills Development for Supporting Multilingual Students using English as an Additional Language

2023· article· en· W4389314128 sur OpenAlexaffvenueabout
Michael Landry, Maya A. Pilin, Amanda Brobbel, Scott Roy Douglas

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTUTORPedagogyThematic analysisPsychologyPerceptionMathematics educationFocus groupQualitative researchMedical educationSociologyMedicine

Résumé

récupéré en direct d'OpenAlex

With growing numbers of multilingual students who have first or primary languages other than English seeking the services of Canadian university writing centres where English is the language of instruction, providing these students with supportive and effective teaching and learning experiences is an important part of their post-secondary education. However, little research has been carried out to examine the impact of writing centre tutor skill development programs to foster meaningful teaching and learning experiences for multilingual students. This qualitative study employed focus group research methods to gather the writing centre tutors’ shared perceptions of their skill development opportunities for working with multilingual students. Data were coded and analyzed using a thematic approach. Findings point to multilingual student expectations, tutoring challenges, program effectiveness, and program applicability as elements that impact the tutors’ overall impressions of the skill development opportunities they encountered. While there were still areas for improvement, implementing a program of skill development for working with multilingual students in a writing centre was generally beneficial for the tutors in this study.

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)0,007
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,017
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,002
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,415
Écart entre enseignants0,368 · 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'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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetEducation Systems and PolicyTravaux en français237 207