English for General Academic Purposes:Catering for Discipline Specific Needs.
Notice bibliographique
Résumé
The number of international students who come from non-English speaking backgrounds to countries where English is the first language is on the rise, necessitating the provision of English for Academic Purpose (EAP) courses to prepare such students to study in English-speaking institutions. Because of the variety of academic backgrounds of students entering these courses, classes take the form of English for General Academic Purposes (EGAP), which mostly comprise study-skills based approaches. It is often difficult to relate such EGAP content to students’ academic disciplines or to address their academic needs in classes which contain students from a range of academic backgrounds. In order to address this problem, disciplinespecific tasks were integrated into an EGAP context and the effects evaluated. The following indicators were used to check how successfully the approach addressed the academic and linguistic needs of students: student needs analysis; feedback from questionnaires and student interviews; participant observation; and end-of-course evaluation. The findings indicated that the students had a strong preference for discipline-specific tasks and the discipline-specific approach was successful in relating the EGAP content to students’ academic disciplines and in addressing their language difficulties. Towards the close of the 20 th century there were more than a million students in higher education worldwide who were studying outside their own countries (Huxur, Mansfield, Nnazor, Schuetze, & Segawa, 1996). The majority of these students were from non English speaking backgrounds (NESB) and they studied in English speaking countries such as the UK, USA, Ireland, Canada, New Zealand and Australia. These numbers increase every year. Consequently, in recent years,
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».