Notice bibliographique
Résumé
Most school-age boys score lower than girls at every level on standardized tests of reading comprehension in almost every country where tested. The amount of reading that a child does is directly related to reading fluency; the more one reads, the more proficient one becomes. After reviewing theories and research studies investigating why boys perform less well than girls, a consensus emerges that one reason boys read less is because the kind of reading they are given to do in school does not connect to their interests. A small empirical study in one rural elementary school provides further insight into motivations for reading and non-reading by both boys and girls. The evidence is incontrovertible that as a group, school-age boys score lower than girls at every level on standardized tests of reading comprehension, in almost every country where tested, most notably in the United States (NCES 2002), Canada, England, and Australia, where students are continuously tested. Therefore, the obvious conclusion from this data is that we are failing to make readers of our sons. Analyses of statistics are many and controversial, especially as the latest round of “educational reform” fueled by the Education Act of 2001 has generated more high-stakes testing of students and measurable accountability on the part of teachers, schools, and school districts. Additionally, computers have made gathering, storing, and analyzing statistics simpler than ever before, and the Internet has made it easier to publish and retrieve them. But how do the children themselves feel about reading? Teachers and school library media specialists (SLMSs), trained in reading, in books, and in best practices, often assume that they know what is best for students. At what juncture should the students’ viewpoints be taken into
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».