MétaCan
Menu
Retour à la cohorte
Enregistrement W2092729833 · doi:10.5539/jedp.v3n2p89

Effect of Repeated Testing to the Development of Vocabulary, Nominal Structures and Verbal Morphology

2013· article· en· W2092729833 sur OpenAlexvenueno aff
Jari Metsämuuronen, Markus Mattsson

Notice bibliographique

RevueJournal of Educational and Developmental Psychology · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocabularyPsychologySet (abstract data type)Significant differenceRepeated measures designCognitive psychologyMathematics educationLinguisticsStatisticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

The repeating testing has shown to increase the general proficiency level of the students. Metsämuuronen (2013)showed with an experimental study that the overall achievement level in a secondary language enhancedstatistically significantly whit repeated testing design. Previously, Tuvling (1967) and Karpicke & Roediger(2008) showed with a laboratory experiment that remembering the material studied is the most efficient withrepeated testing sessions rather than with repeated studying sessions. An explanation for this, given by Lasry,Levy and Tremblay (2008), is that the repeated testing leads to multiple traces to the memory, which optimizesrecall. This study concentrates on the increase in the proficiency level in Vocabulary, Nominal structures andVerbal Morphology after the set of exhaustive testing sessions. It also reviles change in the proficiency levels ofthe students in these areas during the study process. The experimental group gained more than the control groupin all areas though the difference is statistically significant only in the content of Vocabulary. The effect sizes arehigh (Cohen’s d > 1.0). In all areas of interest, the learning curve was of wide U-shape after the elementaryperiod of studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,038
Tête enseignante GPT0,381
Écart entre enseignants0,343 · 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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Educational and Developmental PsychologyMême sujetEducational and Psychological AssessmentsTravaux en français237 207