MétaCan
Menu
Retour à la cohorte
Enregistrement W2010143454 · doi:10.1207/s15548430jlr3401_4

Teaching Decoding Skills to Poor Readers in High School

2002· article· en· W2010143454 sur OpenAlexaff
Catherine G. Penney

Notice bibliographique

RevueJournal of Literacy Research · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPsychologyReading comprehensionClass (philosophy)Mathematics educationTest (biology)Reading (process)Control (management)ComprehensionAnalysis of covarianceWord (group theory)Computer scienceLinguisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Thirty-three poor readers participated in an experimental test of a method to teach decoding skills. Twenty-one students in the experimental condition were given approximately 18 sessions of individual tutoring in which they practiced associations between letter patterns and pronunciations for pronounceable parts of words. A control group of 12 students remained in their class instead of receiving the tutoring program. Standardized tests of word identification, word attack, and passage comprehension were administered before and after the tutoring program. Analyses of covariance were used to compare performance of experimental and control participants on the reading measures. Students in the experimental group showed greater improvements on all measures than did students in the control condition when the effects of initial scores were statistically controlled.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,075
Tête enseignante GPT0,444
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), 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

Citations36
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Literacy ResearchMême sujetReading and Literacy DevelopmentTravaux en français237 207