MétaCan
Menu
Retour à la cohorte
Enregistrement W1546053610 · doi:10.1002/rrq.70

Supporting Change in Literacy Instruction in Malawi

2014· article· en· W1546053610 sur OpenAlexfundno aff
Misty Sailors, James V. Hoffman, P. David Pearson, Nicola A. McClung, Jaran Shin, Liveness Mwale Phiri, Tionge Saka

Notice bibliographique

RevueReading Research Quarterly · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of OxfordMcGill University
Mots-clésCoachingLiteracyPsychologyPedagogyIntervention (counseling)PerceptionHumanitiesArtPsychotherapist

Résumé

récupéré en direct d'OpenAlex

In this study, we examined the effectiveness of an innovative approach to literacy instruction in Malawi on teachers' perceptions, attitudes, and instructional practices. Two groups participated in the study: Treatment teachers received complementary teaching and learning materials, workshops, and directive coaching, and control teachers received no intervention. After this five-month intervention, treatment teachers were significantly more comfortable with their languages of instruction and were more positive about their teaching ability, beliefs about the learning materials in their classroom, and beliefs about the culture of reading in their communities than control teachers were. There were no significant differences between groups when we analyzed their teaching practices or the engagement of their students. The coaching model proved to be associated with changes in teachers' beliefs and perceptions on many of our variables. These findings suggest that the program under examination was successful in promoting the conditions for success (teacher beliefs and perceptions). Further, the findings suggest that the implementation of coaching was an important source of support in implementing changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,456
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReading Research QuarterlyMême sujetReading and Literacy DevelopmentTravaux en français237 207