MétaCan
Menu
Retour à la cohorte
Enregistrement W2320539741 · doi:10.20360/g22p4h

The Factors Contributing to Teacher Predictions of Spelling Ability, and the Accuracy of Their Assessments

2016· article· en· W2320539741 sur OpenAlexaffvenue
Kendall Kolne, Laura M. Gonnerman, Alexandra Marquis, Phaedra Royle, Susan Rvachew

Notice bibliographique

RevueLanguage and Literacy · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversité de MontréalMcGill UniversityCentre for Research on Brain Language and Music
Organismes subventionnairesnon disponible
Mots-clésSpellingLiteracyPsychologyVariance (accounting)Mathematics educationDevelopmental psychologyPedagogyLinguistics

Résumé

récupéré en direct d'OpenAlex

In this study, teachers of kindergarten and Grade 1 French-speaking students indicated the likelihood their students would develop later writing difficulties. Results showed that language measures, language background, the education levels of parents, and home literacy practices predicted whether children would be identified as at-risk. Moreover children’s oral language skills accounted for even more of the variance in teacher ratings than other variables. Spelling performance assessed 1-year later from a subset of children indicated that the teacher predictions were accurate. Thus, teachers appear to be an effective source for predicting children’s future literacy performance.

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)0,001
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 enseignants0,405
Score d'incertitude au seuil0,161

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,340
Écart entre enseignants0,325 · 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

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage and LiteracyMême sujetReading and Literacy DevelopmentTravaux en français237 207