Translingual approach in assessing academic writing for emerging multilingual writers in EMI higher education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• Standardized tests bring harmful, negative consequences for first-year multilingual writers. • Academic writing is not a set of independent linguistic competences. • Academic writing involves communities of practice including three agents, such as students, teachers, and tutors. • Our RWS framework proposes a holistic alternative to standardized testing for assessing multilingual academic writing. • We emphasize assessing students’ linguistic repertoire, including their context knowledge, skill development and language proficiency together. Drawing from the first author's teaching experience in a first-year disciplinary writing course and observations, this article develops a theory to address the limitations of standardized language tests in assessing multilingual writers’ skills. These tests emphasize formulaic tasks that do not align with the complexities of university writing activities, such as reflection, or argumentation. The first author's observation of 25 first-year writers engaging with institutional writing support services reveal that academic writing is a complex process, rarely captured by standardized tests. We propose the Reflective Writing Space (RWS) model, a paradigm-shifting framework that reconceptualizes writing assessment through three interconnected dimensions: content & context, skill development, and language use and proficiency. This model advocates for a more inclusive and interactive approach that actively engages students, tutors, and instructors in teaching writing. We conclude with practical recommendations for implementing the RWS framework to better support multilingual writers’ academic writing development.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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