MétaCan
Menu
Retour à la cohorte
Enregistrement W4391282588 · doi:10.5539/elt.v17n2p25

How Causal Relation Affects the Construction of Problem-Solution in Argumentation Essays

2024· article· en· W4391282588 sur OpenAlexvenueno aff
Nobuko Tahara

Notice bibliographique

RevueEnglish Language Teaching · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésArgumentation theoryPsychologyRelation (database)EpistemologyLinguisticsMathematics educationCognitive psychologySocial psychologyPhilosophyComputer science

Résumé

récupéré en direct d'OpenAlex

The Problem-Solution text pattern is often used in academic writing. The present study investigates how Problem-Solution is used in non-native speaker (NNS) argumentation essays by Japanese speaking students, in comparison with native speaker (NS) essays by American students. By taking the clause relational approach, the present study attempts to find how the students use causal relation when employing the Problem-Solution pattern in their essays. The investigation focuses on problem, which is a causative device, as well as a shell noun that can construct the text. This paper will show that in the two corpora the students’ use of causal relation was similar in frequency and drew on the same types of causal categories; however, how the causal categories were expressed in lexico-grammatical patterns was often different. Furthermore, NNS students used problem in non-causal relation significantly more frequently than NS students did. This paper points to what lacked in NNS essays in order for the students to use causal relations in the same ways as NS students did in their essays (e.g., type of verbs, rheme-theme development). A discussion of the pedagogical implications of the findings provides insights which could be helpful to educators developing syllabi and teaching academic writing to NNS students.

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 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 enseignants0,418
Score d'incertitude au seuil0,318

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207