Empowering Authorship with AI: a Novel Academic Writing Technology for Authorial Voice
Notice bibliographique
Résumé
This study investigates the integration of Technology-Enhanced Learning (TEL) and Generative Artificial Intelligence (GAI) to improve the development of authorial voice in English as a Second Language (ESL) students’ academic writing. Specifically, it evaluates AVATAR, an intelligent tutoring system designed to support both the performance and authorship belief aspects of authorial voice in argumentative essays. Conducted with 23 first-year ESL students at a Fijian university, this proof-of-concept study used a mixed-methods approach, including pre- and post-use surveys, interviews, and analysis of student essays. Participants engaged with AVATAR while working on an argumentative essay, and the system’s affordances were assessed through changes in authorial voice expressions and students’ self-perceptions of their authorship. The findings showed a statistically significant improvement in both the authorship beliefs and performance of authorial voice. Positive changes in authorship beliefs were evident in participants’ increased self-belief in their authorial voice, as reflected in higher post-use authorship survey results and increased self-scores participants gave themselves when reflecting on their authorial voice. In terms of performance, there was a significant increase in the authorial voice strength scores given to the essays participants edited in AVATAR. However, some participants expressed a need for additional teacher feedback to further validate their progress. This study underscores the potential of GAI to support holistic authorial development and offers insights for designing academic writing technologies that focus on both the product and the reflective processes involved in learning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».