Test-Takers’ Background, Literacy Activities, and Views of the Ontario Secondary School Literacy Test
Notice bibliographique
Résumé
This study examined the relationships among students’ background information and their in-school and after-school literacy activities, as well as the relationships between students’ background and their views of the Ontario Secondary School Literacy Test (OSSLT). The results showed that students’ literacy activities could be grouped into three types: e-literacy, traditional literacy, and creative literacy. Furthermore, results showed that categorization of literacy activities depended on whether the activities were conducted in English or in another language. Gender predicted certain types of literacy activities. Compared with English-as-a-first-language (L1) students, English-as-a-second-language (L2) students’ background influenced more of their views of the test.Cette étude a porté sur les rapports, d’une part, entre les antécédents des élèves et leurs activités scolaires et parascolaires en matière d’alphabétisation et, d’autre part, entre ces renseignements généraux et la perception qu’ont les élèves du test provincial de compétence linguistique de l’Ontario (TPCL). D’après les résultats, il est possible de regrouper les activités d’alphabétisation des élèves en trois catégories : l’alphabétisation électronique, l’alphabétisation traditionnelle et l’alphabétisation créative. De plus, les résultats indiquent que la catégorisation des activités d’alphabétisation dépendait de la langue dans laquelle se déroulaient les activités (anglais ou autre). Le genre constituait une variable prédictive de certains types de ces activités. Les antécédents des élèves dont l’anglais était la langue seconde influençaient plus leur perception du TPCL que ceux des élèves pour qui l’anglais était la langue maternelle.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,000 |
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.
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 tête enseignante, 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 ».