MétaCan
Menu
Retour à la cohorte
Enregistrement W1603372852 · doi:10.5539/elt.v8n6p178

Korean Learners’ Metacognition in Reading Using Think-Aloud Procedures with a Focus on Regulation of Cognition

2015· article· en· W1603372852 sur OpenAlexvenueno aff
Hyang-Il Kim, Kyung-Ae Cha

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetacognitionPsychologyCognitionReading (process)Think aloud protocolFlexibility (engineering)Cognitive psychologyCognitive strategyProtocol analysisSelf-regulated learningScale (ratio)Mathematics educationCognitive scienceLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

The primary goal of this study was to explore the changes that four Korean university students made in their regulation of cognition during reading processes. The students were trained using explicit reading strategy instruction based on the CALLA model. To this end, first, metacognition was framed and categorized by the definition from Baker and Brown (1984) and, second, a scoring scale for measuring the readers’ regulation of cognition was developed based on the study by Block (1992) to examine and trace any changes in their regulation processes. For data analyses, the participants’ think-aloud protocols were used. The results indicate that there were marked changes in the frequencies of their regulation processes over time. Specifically, the students’ overt strategic and regulatory behaviors in a regulation process showed more flexibility and organization toward the end of the strategy training. This study suggests that students would benefit from being provided with sufficient time for practice in order to build effective regulation of cognition in reading processes and that the teacher should understand the complex nature of the regulation processes that students go through. In addition, think-aloud procedures as an instructional tool for effective strategy training was shown to be a worthwhile technique in the classroom.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,769

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,358
Écart entre enseignants0,309 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207