Writing Skills and Students’ Aspirations to Pursue Post-Secondary Educational Opportunities
Notice bibliographique
Résumé
This study highlights potential positive impacts of tutoring writing to marginalized youth at a community service after-school programme. Although many secondary school students possess language fluency and competency, youths from low-income and/or minority cultures may experience unequal access to essential writing instruction in school. Students’ potential for academic advancement depends on the procurement of written language “codes” necessary to familiarize them with the manners, culture and language of power. Writing tutoring responds to the individual learning needs of youth at-risk; tutoring programmes are effective in supporting the advancement of their goals and values and for their integration into society. Interview data from nine students, staff and tutors at Pathways, Lawrence Heights and observations, field notes and journal entries from my position as researcher and volunteer tutor, reveal that the dialogic nature of tutoring facilitates an unconstrained interchange of ideas, which generates knowledge applicable to the students’ particular needs, and fosters a bond between the tutor and tutee unlike the teacher/student relationship experienced in the school context. My investigations explore how one-to-one tutoring for teaching writing skills to youth at-risk might be especially conducive to improving writing effectiveness because the tutor’s non-evaluative and non-autocratic responses are personalized to the contexts, situational needs and nuances of each student. By acknowledging the unequal distribution of writing proficiency among Ontario’s students and the inequities within the system, educators and policymakers may look for occasions in the writing curriculum that address students’ perceptions of themselves as thinkers and learners. With a broadened appreciation for the impact of tutoring programmes and their relevance to students’ pursuit of post-secondary opportunities, collaboration between researchers, schools and their communities, a thoughtfully developed educational agenda that supports our students is possible.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».