POSTHUMANIST APPLIED LINGUISTICS: A TRANSPARENT ASSIGNMENT FOR WRITING RESEARCH PROPOSAL ABSTRACTS
Notice bibliographique
Résumé
Students had limited knowledge of posthumanism in applied linguistics. The assignment aimed to deepen their understanding while advancing academic and research skills. In the context of posthumanist thought, AI and chatbots are making digital technology increasingly essential in foreign language use and instruction. In posthumanist thought, machines are integral enhancements that merge with human cognition, expanding linguistic processing, multilingual interaction, and knowledge production. Pennycook’s concept of Posthumanist Applied Linguistics builds on this notion, challenging us to rethink cognition, language learning, and the interdependence of humans with nonhuman and technological entities. This study aims to discover whether doctoral students are prepared to conduct research within this emerging framework of applied linguistics. As part of the IKU 7 initiative, nineteen doctoral students enrolled in an advanced applied linguistics course were tasked with exploring this new perspective. They were guided through a transparent assignment design to develop research proposal abstracts. The design, rooted in inclusive pedagogy, ensures all students can learn by providing suitable conditions tailored to their unique needs. Quantitative analysis of the submitted abstracts revealed that students struggled to identify suitable research topics within this novel framework, due to a lack of practical knowledge in research methodology and limited understanding of posthumanist principles. Consequently, many students produced unclear titles and abstracts, with 11 out of 19 (over half) omitting the methodology section
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 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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».