MétaCan
Menu
Retour à la cohorte
Enregistrement W2242660823 · doi:10.29173/iasl7964

Primary four students’ development of reading ability through inquiry-based learning projects

2021· article· en· W2242660823 sur OpenAlexvenueno aff
Kai Wah Samuel Chu, SK Tse, Elizabeth Ka Yee Loh, Ken Chow, Hon-Fai Fung, Hung Wai Rex Ng

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading (process)Mathematics educationInquiry-based learningPerceptionPsychologyPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

This paper is part of a bigger study that investigates a collaborative instructional approach involving three kinds of teachers (Information Technology, General Studies, and Chinese) and the school librarian in guiding primary 4 (P4) students through two phases of inquiry-based learning (IBL) projects, each lasting for 2-3 months in 2006- 2007. This collaborative approach in guiding students through the IBL projects has proven to be effective. Not only did the participating students significantly enhance their reading abilities, but they obtained 37.47% higher grades in their General Studies projects compared with their peers in the previous year (Chu, Chow, Tse, & Kuhlthau, 2008a). Using PIRLS, this paper examines the reading tests and surveys completed by the students before and after their IBL projects. Using another perceptual survey, students, teachers and parents’ opinions regarding improvement in student reading ability after the completion of the first IBL project was also investigated. This study may shed light on the benefits and possibilities of an integrative instructional approach in improving student reading and language abilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,074
Tête enseignante GPT0,336
Écart entre enseignants0,262 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetLibrary Science and Information LiteracyTravaux en français237 207