MétaCan
Menu
Retour à la cohorte
Enregistrement W2138095014 · doi:10.1177/1086296x12457167

Measuring Situated Literacy Activity

2012· article· en· W2138095014 sur OpenAlexaffabout
Victoria Purcell‐Gates, Jim Anderson, Monique Hélène Gagné, Kristy Jang, Kimberly Lenters, Marianne McTavish

Notice bibliographique

RevueJournal of Literacy Research · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFamily literacyLiteracySituatedCurriculumPedagogyInformation literacyPsychologyContext (archaeology)Empirical researchMathematics educationComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

This report presents the results of the development of a methodological approach to provide empirical evidence that family literacy programs “work.” The assessment techniques were developed within the action research project Literacy for Life (LFL) that the authors designed and delivered for 12 months, working collaboratively with three different cohorts of immigrant and refugee families in western Canada. The goal was to develop valid and reliable measures and analyses to measure the impact on literacy skill and knowledge in a particular version of a literacy program that incorporated real-world literacy activities into instruction for low-English-literate adults and their prekindergarten children, ages 3 to 5. The authors offer this approach to assessment as a promising way to measure the impact of socially situated literacy activity that requires taking the social context of literacy activity into account. They offer this work not as the answer to the challenge of documenting the value of working with families and literacy, but as one way to think about focusing curriculum and assessment within programs that validate the real lives of the participants and build bridges between those lives and literacy work within family literacy programming.

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)0,012
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 enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,216
Tête enseignante GPT0,484
Écart entre enseignants0,268 · 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

Citations29
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

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