Reading in the Digital Age: Using Electronic Books as a Teaching Tool for Beginning Readers.
Notice bibliographique
Résumé
This study stemmed from a concern of the perceived decline in students’ reading motivation after the early years of schooling. This research investigated the effectiveness of online eBooks on eight grade 1 students’ reading motivation. Eight students were given ten 25-minute sessions with the software programs over 15 weeks. Qualitative data were collected from students, teachers, and parents through questionnaires, interviews, observations and field notes. The results suggest the promise of online reading software programs in supporting early readers with reading, motivation, and/or behavioural difficulties. La motivation des lecteurs débutants et les textes qu’ils choisissent de lire ont un impact sur leur succès en littératie et sur leur volonté de prendre part à des activités de lecture au cours des années du primaire. Cette étude s’est penchée sur les expériences de lecture de livres électroniques de huit élèves de première année. Huit élèves ont reçu 10 séances de 25 minutes avec les logiciels sur une période de 15 semaines. Des données qualitatives ont été recueillies auprès des élèves, des enseignants et des parents par l’entremise de questionnaires, d’entrevues, d’observations et de notes. Les résultats suggèrent que les livres électroniques sont prometteurs pour stimuler la motivation des lecteurs débutants.
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 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».