A case for low-stakes collaboration: Increasing access through a mini-assignment in the first-year composition classroom
Notice bibliographique
Résumé
This article makes the case for collaboration between first-year composition classrooms and academic libraries through a low-stakes mini-assignment that incentivizes student use of existing library resources. I present and analyze data from 168 “mini-assignments” in which students must use one of the existing mediated library services available to them in the course of writing their research essay (use the chat help function; book an appointment with a librarian; email a question to a librarian; text a question to a librarian; or visit the main desk in the library). Students need to describe what service they used and what kind of help they asked for and then reflect on the help-seeking process including how they felt before, during, and after seeking help, and what they would do the same or differently next time. I argue that this low-stakes assignment positively impacts students' future use, future confidence, and also ‘levels up’ the kind of engagement that students are comfortable undertaking. This mini-assignment, then, benefits first-year students and particularly equity-deserving and at-risk students, by making explicit how to get help from the university library as part of the first-year academic writing classroom, and showcasing librarians as co-educators with pedagogical expertise.
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 | 0,019 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,006 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 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 ».