MétaCan
Menu
Retour à la cohorte
Enregistrement W4406388747 · doi:10.20360/langandlit29668

Building a Pedagogy of Writing Transfer Through an Undergraduate Journal Publication

2025· article· en· W4406388747 sur OpenAlexaffvenueabout
Paige France, Christopher Eaton

Notice bibliographique

RevueLanguage and Literacy · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLiteracyPedagogySociologyMathematics educationComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Despite effective knowledge transfer being a primary goal among post-secondary instructors, scholars, and administrators, students still have difficulty adapting their skills to novel contexts. This challenge is especially salient in writing pedagogy, where the transfer of writing-related knowledge is not guaranteed (Driscoll, 2011; Perkins & Salomon, 2012). To investigate possibilities for catalyzing writing transfer, this paper reports on a collaborative autoethnography project (Chang et al., 2013) carried out by two undergraduate students and a faculty member based at a large Ontario university. Their experiences on the editorial team of a first-year writing journal provide insight into how mentorship within journal environments can contribute to post-secondary students’ literacy development, and, concurrently, help them to transfer what they know to new contexts. We consider how similar learning opportunities may contribute to undergraduate skill development outside traditional classroom contexts.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,620
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,342
Écart entre enseignants0,324 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLanguage and LiteracyMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207