MétaCan
Menu
Retour à la cohorte
Enregistrement W2119587501 · doi:10.1177/00222194070400050801

Innovative Programs for Improvement in Reading Through Cognitive Enhancement

2007· article· en· W2119587501 sur OpenAlexaffabout
Denyse V. Hayward, J. P. Das, Troy Janzen

Notice bibliographique

RevueJournal of Learning Disabilities · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRemedial educationPsychologyReading (process)CognitionMultivariate analysis of variancePhonological awarenessDevelopmental psychologyMathematics educationPedagogyLiteracyLinguistics

Résumé

récupéré en direct d'OpenAlex

Forty-five Grade 3 students from a reservation school in Western Canada were divided into two remedial groups and a no-risk control group. One remedial group was given a classroom-administered cognitive enhancement program (COGENT) throughout the school year. The second group received COGENT for the first half of the year followed by a pull-out cognitive-based reading enhancement program (PREP). Children were assessed across phonological awareness, rapid naming, reading, and cognitive ability at the beginning of the year, mid-term, and at the end of the school year. MANOVA results showed a significant interaction for reading measures, with students receiving classroom intervention over the school year making the greatest gains. Results are discussed in terms of group, remediation program, and individual participant improvements.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,368
Écart entre enseignants0,330 · 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

Citations50
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Learning DisabilitiesMême sujetReading and Literacy DevelopmentTravaux en français237 207