MétaCan
Menu
Retour à la cohorte
Enregistrement W2185574119 · doi:10.36510/learnland.v3i1.323

On Screen: Writing, Images and What It Means to Be a Reader

2009· article· en· W2185574119 sur OpenAlexaffvenue
Abigail Anderson

Notice bibliographique

RevueLEARNing Landscapes · 2009
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensMinistry of Education, Recreation and Sports
Organismes subventionnairesnon disponible
Mots-clésReading (process)LiteracyFace (sociological concept)CurriculumReading comprehensionLanguage artsVisual literacyPedagogyComprehensionLinguisticsSociologyPsychologyMathematics educationSocial sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

The majority of English Language Arts curricula in North America, if not worldwide, draw on traditional literary texts as their core content. By contrast, the confluence of image and written word on contemporary texts—including the literary—and the impact this evolution has on our comprehension of the changing face of literacy is one of the most compelling issues in contemporary pedagogy. It seems clear that the rise of the new media and its range of textual genres challenge prevailing views about what it means to be a reader and how reading is taught in our schools. Since word and image demand different reading paths and strategies, how can teachers begin to re-vision their pedagogical practices while taking an active role in addressing the literacy needs of their elementary and secondary students?

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,633
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,001
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,235 · 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'étudeQualitatif
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

Citations0
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLEARNing LandscapesMême sujetLiteracy, Media, and EducationTravaux en français237 207