MétaCan
Menu
Back to cohort
Record W7162010337 · doi:10.82308/22079

International doctoral students learning academic writing in English: a multi-case study of five doctoral students' experiences in Canada

2015· dissertation· en· W7162010337 on OpenAlexaboutno aff
Nazih El-Bezre

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldArts and Humanities
TopicDiscourse Analysis in Language Studies
Canadian institutionsnot available
Fundersnot available
KeywordsResearch methodologyEthnographyContext (archaeology)Graduate students

Abstract

fetched live from OpenAlex

Cette étude s'ajoute à la litérature existante portant sur l'écriture des doctorants internationaux. Elle viendra compléter des études de recherche précédentes en offrant un compte-rendu détaillé sur les expériences d'écriture de cinq doctorants internationaux, le but étamt d'élargir ce sujet de recherche ainsi que reconfigurer le rôle du développement de l'écriture dans les études doctorales. Cette etude explore donc comment cinq doctorants ont appris l'écriture dans leur communautés disciplinaires respectives. Elle examine aussi la nature de l'assistance en écriture dont ils ont bénéficié de la part de leurs superviseurs, professeurs et pairs. Finalement, cette etude identifie leur perception d'eux-mêmes en tant qu'écrivains académiques ainsi que les positions adoptées tout au long de leurs etudes doctorales.L'étude emploie l'étude de cas, une approche qui se base sur des entrevues multiples avec les participants. Ele se base sur les fondements théoriques suivants afin d'analyzer les données: la théorie des genres rhétoriques (Miller, 1984), théorie de l'apprentissage situé (Lave & Wenger, 1991; Wenger, 1998), théorie de l'identité (Gee, 2001), et rhétorique contrastive ou intercultural (Connor, 1996; Kaplan, 1966).Les participants ont discuté des methodes utilisées pour l'apprentissage de l'écriture dans leur champ de spécialization: lecture et analyse d'articles, imitation des styles d'écriture d'auteurs et l'utilisation d'une multitude de resources telles que les guides d'auto-apprentissage, services de tutorat privé et tutorat entre collègues. Certains étudiants ont mentionné avoir essayé d'imiter, dans leur proper écriture, le jargon specializé, la ton, ainsi que le style utilize dans les texts académiques. Malgré ces stratégies, certains participants ont exprimé leur frustration face au manque de support systématique en écriture de la part de leur communauté disciplinaire. L'étude a aussi révélé que les étudiants voient l'assistance en écriture comme étant principalement basée sur les aspects mécaniques de l'écriture: l'organisation, l'orthographe, la grammaire et le vocabulaire. Les participants ont exprimé leur souhait d'obtenir des réactions et commentaries de la part de leurs encadreurs quant à la langue afin de les aider à améliorer leur écriture. Finalement, l'étude a révélé que les étudiants ont adopté une variété de positionnements en tant qu'étudiants et écrivains dans leurs cercles. Ces positionnements ont démontré que certains des étudiants se voyaient non seulement comme de futurs intellectuels et écrivains confiants; mais aussi comme des écrivains frustrés qui font face a plusieurs obstacles.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.011
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.201
Threshold uncertainty score0.433

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.011
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0030.005
Science and technology studies0.0300.007
Scholarly communication0.0100.002
Open science0.0030.007
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.051
GPT teacher head0.378
Teacher spread0.326 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same topicDiscourse Analysis in Language StudiesFrench-language works237,207