Genetic and environmental influences on early literacy skills across school grade contexts
Notice bibliographique
Résumé
Recent research suggests that the etiology of reading achievement can differ across environmental contexts. In the US, schools are commonly assigned grades (e.g. 'A', 'B') often interpreted to indicate school quality. This study explored differences in the etiology of early literacy skills for students based on these school grades. Participants included twins drawn from the Florida Twin Project on Reading (n = 1313 pairs) aged 4 to 10 years during the 2006-07 school year. Early literacy skills were assessed with DIBELS subtests: Oral Reading Fluency (ORF), Nonsense Word Fluency (NWF), Initial Sound Fluency (ISF), Letter Naming Fluency (LNF), and Phoneme Segmentation Fluency (PSF). School grade data were retrieved from the Florida Department of Education. Multi-group analyses were conducted separately for subsamples defined by 'A' or 'non-A' schools, controlling for school-level socioeconomic status. Results indicated significant etiological differences on pre-reading skills (ISF, LNF, and PSF), but not word-level reading skills (ORF and NWF). There was a consistent trend of greater environmental influences on pre-reading skills in non-A schools, arguably representing 'poorer' environmental contexts than the A schools. Importantly, this is the case outside of resources linked with school-level SES, indicating that something about the direct environment on pre-reading skills in the non-A school context is more variable than for A schools.
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».