MétaCan
Menu
Retour à la cohorte
Enregistrement W2124978570 · doi:10.3102/0162373707309073

Early-Grade Retention and Children’s Reading and Math Learning in Elementary Years

2007· article· en· W2124978570 sur OpenAlexaff
Guanglei Hong, Bing Yu

Notice bibliographique

RevueEducational Evaluation and Policy Analysis · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGrade retentionPsychologyReading (process)Retention rateMathematics educationEarly childhoodIntervention (counseling)Developmental psychologyAcademic achievementComputer science

Résumé

récupéré en direct d'OpenAlex

Many schools have adopted early-grade retention as an intervention strategy for children displaying academic or behavioral problems. Previous analyses of the Early Childhood Longitudinal Study Kindergarten Cohort data have found evidence of negative effects of kindergarten retention on academic learning during the repeated year. Will kindergarten retainees recover their lost ground and excel in the long run? What are the effects of first grade retention? According to the analytic results of this study, the negative effects of kindergarten retention on retainees’ reading and math outcomes at the end of the treatment year substantially fade by fifth grade. Meanwhile, first grade retention shows negative effects that stay almost constant from 1 year after treatment to 3 years later. In general, we find no evidence that early-grade retention brings benefits to the retainees’ reading and math learning toward the end of the elementary years.

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 enseignants0,082
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,383
Écart entre enseignants0,356 · 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

Citations99
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational Evaluation and Policy AnalysisMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207