MétaCan
Menu
Retour à la cohorte
Enregistrement W1980612249 · doi:10.1598/rt.63.6.4

Content Area Literacy: Individualizing Student Instruction in Second‐Grade Science

2010· article· en· W1980612249 sur OpenAlexaff
Carol McDonald Connor, Sibel Kaya, Melissa Luck, Jessica R. Toste, Angela I. Canto, Diana Rice, Novell E. Tani, Phyllis Underwood

Notice bibliographique

RevueThe Reading Teacher · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionCurriculumScientific literacyLiteracyPsychologyMathematics educationScience learningReading (process)PedagogyComprehensionHumanitiesScience educationPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

This study describes a second‐grade science curriculum designed to individualize student instruction (ISI‐Science) so that students, regardless of initial science and literacy skills, gain science knowledge and reading skills. ISI‐Science relies on the 5‐E Learning Cycle as a framework and incorporates flexible, homogeneous, literacy skills‐based grouping, use of leveled science text, and explicit use of discussion and comprehension strategies. We describe the first unit of the curriculum, “Why Is Soil Important?,” and the results of our pretest‐posttest study. Results show that students made significant gains in literacy and science learning. Plus, students with weaker science and literacy skills made the same gains, on average, as students with stronger skills. How these strategies might be implemented for other science topics is discussed. تصف هذه الدراسة منهاج صف ثان مصمم لتخصيص تعليم الطالب بصرف النظر عن المهارات العلمية والتعلمية الأولى كي يكتسب المعرفة العلمية والمهارات القرائية. ويعتمد برنامج تخصيص تعليم الطالب على دورة التعليم ذات المراحل الخمسة كإطار ويدمج أولاً المهارات المرونة والمتجانسة والمتعلمة وثانياً استخدام النصوص العلمية المتكيفة وثالثاً استخدام إستراتيجيات النقاش والاستيعاب المباشر. لذا نصف الوحدة الأولى من المنهاج، ((لماذا التراب مهم؟)) ونتائج دراستنا للاختبار الأولي والنهائي. فتشير النتائج إلى أن الطلاب حققوا تقدمات ملحوظة في معرفة القراءة والكتابة وتعلم العلوم وفضلاً عن ذلك الطلاب الذين كان عندهم مهارات ضعيفة في العلوم والمعرفة قد حققوا نفس القدر من التقدم كالطلاب ذوي المهارات القوية. لذا تم تقديم النقاش بشأن كيف قد تنفذ هذه الإستراتيجيات لمواضيع علمية أخرى. 本研究报告说明一个二年级科学科课程,该课程(ISI‐科学)的设计是采用个别化教学模式,因此,学生初期的科学与读写能力水平无论高低与否,都能在科学知识及阅读技能发展方面有所增益。ISI‐科学是以「5‐E学习周期」作为理论框架,结合了灵活的、同类型的及根据读写技巧的分组教学,使用依循能力分级的科学文本,以及显式使用讨论及阅读理解等教学策略。本文描述该课程的第一个单元「为什么土壤是重要的?」及本研究的实验前后比较测试结果。本研究结果显示,学生在读写能力及科学学习上均有显著的提升。另外,平均来说,科学及读写能力较差的学生与能力较好的学生相比,两者皆得到同样高的成绩提升。本文作者亦讨论如何使用这些教学策略来教授其他科学科课题。 Cette étude décrit un programme de science du second degré conçu afin d'individualiser l'enseignement des sciences (ISI‐Science) de telle sorte que les élèves, quelles que soient leurs connaissances préalables en sciences et en littératie, acquièrent des connaissances scientifiques et littéraires. ISI‐Science est lié au cycle d'apprentissage de 5 ème année en tant que structure; il comporte un groupement souple et homogène des élèves sur la base du niveau littéraire, l'utilisation de textes scientifiques adaptés au niveau, et le recours explicite à des stratégies de discussion et de compréhension. Nous présentons la première unité du programme — « Pourquoi le sol est‐il important ? »— et les résultats au pré test / post‐test que nous avons réalisé. Les résultats montrent que les élèves ont réalisé d'importants progrès en littératie et en science. De plus, les élèves faibles en science et en littératie ont réalisé les mêmes gains, en moyenne, que les forts. La discussion porte sur la façon dont il serait possible de mettre en place des stratégies de ce type pour d'autres questions scientifiques. Исследование посвящено индивидуализированной программе по естественным наукам (ISI‐Science)для второклассников, которая позволяет им получить необходимые знания в этой области и навыки чтения соответствующих текстов вне зависимости от уровня с которого они начинают обучение. Подход ISI‐Science основан на стоящем из пяти этапов цикле обучения (5‐E), который предполагает групповую работу по становлению и выравниванию гибких и цельных навыков грамотности, чтению научных текстов и целенаправленному применению стратегий понимания и обсуждения. Подробно разбирается первый параграф учебника (Зачем нужна почва?), представлены результаты тестирования до и после эксперимента. Результаты показывают, что учащиеся заметно продвинулись в изучении естественных наук и обрели соответствующие навыки грамотности. Важно, что ученики с более слабой подготовкой достигли не меньших успехов, чем их академически более сильные одноклассники. В конце статьи описано применение этих стратегий для другой естественнонаучной тематики. Este estudio describe un currículo científico de segundo grado que fue diseñado para la instrucción individualizada (ISI‐Science) para que los estudiantes, no importara sus destrezas y conocimiento de las ciencias, pudieran aprender a leer sobre las ciencias. ISI‐Science tiene como marco el Ciclo de Aprendizaje 5‐E (5‐E Learning Cycle) e incorpora grupos de aprendizaje flexibles y homogéneos basados en la destreza de lectura, y estrategias explícitas de discusión y comprensión. Se describe la primera unidad del currículo, “Por qué es importante la tierra”, y los resultados de los exámenes impartidos antes y después de la unidad. Los resultados muestran que los estudiantes mejoraron tanto su capacidad de entender lo leído como su aprendizaje de las ciencias. Además, los estudiantes flojos en las ciencias y en la lectura lograron mejorar a la par, en general, con los estudiantes más fuertes. Se discute cómo estas estrategias se podrían usar en otras asignaturas sobre las ciencias.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,897

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,357
Écart entre enseignants0,299 · 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'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

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Reading TeacherMême sujetReading and Literacy DevelopmentTravaux en français237 207