MétaCan
Menu
Retour à la cohorte
Enregistrement W4399455493 · doi:10.18806/tesl.v40i2/1393

Reading for the Technical Workplace

2023· article· en· W4399455493 sur OpenAlexaffvenueabout
Nathan J. Devos

Notice bibliographique

RevueTESL Canada Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésReading (process)LinguisticsPsychologyPedagogySociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Proficient communication, particularly reading comprehension, is vital for career progression, yet many college-level English as an Additional Language (EAL) students encounter hurdles in this area. Weak reading skills can impede job prospects, underscoring the need for tailored interventions during students’ studies. Therefore, post-entry language assessments (PELAs) can serve as essential tools for post-secondary institutions, aiding in identifying and supporting students struggling with English proficiency. PELAs adopt a diagnostic approach, facilitating language development while maintaining educational experiences. Despite increased interest in PELAs, few diagnostic assessments cater specifically to reading proficiency. This paper explores the creation of a PELA for first-year college students in Canada, designed to prepare them for diverse workplaces. Utilizing Evidence-Centered Design (ECD) ensures validity in assessment development, emphasizing inference-based reasoning from individuals’ responses. Insights from a task survey with 12 professionals underscored the significance of understanding instructional texts for academic and professional success, informing the development of a diagnostic reading assessment beneficial to both multilingual and L1 literacy students. Une communication efficace, en particulier sur le plan de la compréhension écrite, est vitale pour l’avancement professionnel. Cependant, de nombreux étudiants de l’anglais comme langue additionnelle (ELA) au niveau universitaire rencontrent des obstacles sur ce niveau. De faibles compétences en lecture peuvent entraver les perspectives d’emploi, ce qui souligne la nécessité d’interventions personnalisées pendant les études. Par conséquent, les évaluations linguistiques à l’entrée (ÉLE) peuvent constituer des outils essentiels pour les établissements d’enseignement postsecondaires, en aidant à identifier et à soutenir les étudiants qui éprouvent des difficultés en anglais. Les ÉLE adoptent une approche diagnostique, facilitant le développement de la langue tout en maintenant le vécu éducatif. Malgré l’intérêt croissant pour les ÉLE, peu d’évaluations diagnostiques portent spécifiquement sur la compétence de compréhension écrite. Cet article explore la création d’une ÉLE pour des étudiants de première année universitaire au Canada, conçue pour les préparer à des lieux de travail diversifiés. L’utilisation de la conception centrée sur les preuves (CCP) garantit la validité dans le développement de l’évaluation, en mettant l’accent sur le raisonnement basé sur l’inférence à partir des réponses des individus. Les résultats d’un sondage sur les tâches mené auprès de 12 professionnels mettent en lumière l’importance de la compréhension des textes pédagogiques pour la réussite scolaire et professionnelle, ce qui a permis d’élaborer une évaluation diagnostique de la lecture qui peut être utilisée avec des étudiants en apprentissage de la littératie en langue première et dans des langues additionnelles.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,379
Écart entre enseignants0,326 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEducation Systems and PolicyTravaux en français237 207