MétaCan
Menu
Retour à la cohorte
Enregistrement W2021375588 · doi:10.1080/03610730903175808

Age-Related Changes in Reading Comprehension: An Individual-Differences Perspective

2009· article· en· W2021375588 sur OpenAlexaff
Brenda Hannon, Meredyth Daneman

Notice bibliographique

RevueExperimental Aging Research · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComprehensionReading comprehensionReading (process)PsychologyPerspective (graphical)Cognitive psychologyComponent (thermodynamics)Developmental psychologyComputer scienceLinguisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this study, the authors show that Hannon and Daneman's (2001 Hannon , B. & Daneman , M. ( 2001 ). A new tool for measuring and understanding individual differences in the component processes of reading comprehension . Journal of Educational Psychology , 93 , 103 – 128 .[Crossref], [Web of Science ®] , [Google Scholar], Journal of Educational Psychology, 93, 103–128) component processes task can be used to investigate individual differences in older readers' comprehension performance, and to determine which components of comprehension are most susceptible to declines with normal aging. Results revealed that the ability to remember new text information, to make inferences about new text information, to access prior knowledge in long-term memory, and to integrate prior knowledge with new text information all accounted for a substantial proportion of variance in older adults' reading comprehension performance. Although there were age-related declines in all of these component processes, the components associated with new learning were more susceptible to age-related declines than were the components associated with accessing what already is known. The findings suggest that age-related declines in reading comprehension might be a consequence of declines in a number of component processes rather than one specific process.

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)0,005
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,140
Tête enseignante GPT0,468
Écart entre enseignants0,327 · 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

Citations51
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental Aging ResearchMême sujetReading and Literacy DevelopmentTravaux en français237 207