MétaCan
Menu
Retour à la cohorte
Enregistrement W1833978465

Three Student Case Examples of Response to Intervention Programming

2012· article· en· W1833978465 sur OpenAlexaboutno aff
Michael Dunn, Ruth Browning

Notice bibliographique

RevueLearning Disabilities: a Multidisciplinary Journal · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResponse to interventionIntervention (counseling)Mathematics educationReading (process)Computer scienceProcess (computing)PsychologyLiteracySample (material)Special educationMedical educationPedagogyMedicineProgramming languagePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Many schools across the United States and Canada are now implementing response-to-intervention (RTI) as a means to address the needs of students who struggle with reading, writing, or math by using dual discrepancy (i.e., low ability and little to no progress over time with targeted intervention programming) as a means to classify for learning disability. This project represents a longitudinal study of a Pacific Northwest elementary school, which designed its own RTI model in 2006 and has worked to implement a tiered-intervention process for literacy skills. Three children represent the purposeful sample as to how they progressed through tiered programming. The authors discuss the school’s RTI processes and makes recommendations as to how the model could evolve to better facilitate instruction and assessment as children move through the tiers.

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)0,008
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,410
Écart entre enseignants0,345 · 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.

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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLearning Disabilities: a Multidisciplinary JournalMême sujetDisability Education and EmploymentTravaux en français237 207