MétaCan
Menu
Retour à la cohorte
Enregistrement W2415352544

A Case Study in an Ohio Middle School Using Wiki Technology in Chinese Language Classes to Improve the Students’ Achievement and Parent Communication

2016· article· en· W2415352544 sur OpenAlexvenueno aff
Xiaosu Tang

Notice bibliographique

RevueHigher education of social science · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParental Involvement in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedSocioeconomic statusClass (philosophy)Mathematics educationImplementationPsychologyAcademic achievementChinese languageComputer scienceSociologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recent research has suggested as well as demonstrated that student success and achievement can improve if there are better communication opportunities provided within the learning community, i.e., parents, students, teachers, administrators, and the community at large. This research was a case study of a Chinese foreign language class in Perkins School District (Sandusky, Ohio) to show if technological applications such as Wiki and the use of I Pods can help improve student achievement and success through its use as a communication vehicle between parents, teachers, and other members of the learning community. This was accomplished through survey/questionnaire development and the analysis of academic achievement before and after the implementations of Wiki and I-Pod technologies into the classroom setting. The results showed that although parental involvement did not independently improve children’s learning, some involvement activities did prevent behavioural problems. The interaction analyses suggested that the involvement of parents with low socioeconomic status might be more effective than that of parents with high socioeconomic status. By using digital tools in class, technology does support family-school collaboration and promotes parental school involvement especially in high-risk or disadvantaged communities.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,071
Tête enseignante GPT0,442
Écart entre enseignants0,370 · 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'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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher education of social scienceMême sujetParental Involvement in EducationTravaux en français237 207