Understanding the relationship between inattention and early literacy trajectories in kindergarten.
Notice bibliographique
Résumé
The purpose of this study was to examine the relationship between inattention, academic enabling behaviors (i.e., motivation, engagement, and interpersonal skills), and early literacy outcomes. Kindergarten students (N = 181; 55.2% male; 62% white) from two research sites (Southeastern U.S. and Eastern Canada) were assessed using the Letter Naming and Letter Sound Fluency AIMSweb Tests of Early Literacy (Shinn & Shinn, 2012) at three points across the school year. Their teachers provided information on the level of attention-deficit/hyperactivity disorder symptoms (ADHD Symptom Checklist-4; Gadow & Sprafkin, 2008) and academic enabling behaviors (Academic Competence Evaluation Scales; DiPerna & Elliott, 2000). Structural equation modeling (SEM) was used to determine predictors of initial level and growth in early literacy. Specifically, a series of models were tested to determine if a multidimensional model of academic enablers (AEs) mediated the relationship. Engagement predicted students' initial levels of early literacy, suggesting that this is an important mediator to consider between inattention and early literacy skills. Motivation related positively to engagement. Inattention also predicted both motivation and interpersonal skills in the negative direction. These findings suggest that AEs play an important role in the relationship between inattention and early literacy. AEs provide malleable targets for intervention and should be considered when developing intervention for youth at risk for academic failure. (PsycINFO Database Record
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».