MétaCan
Menu
Retour à la cohorte
Enregistrement W2506792509 · doi:10.1145/2930674.2930692

The Code of Many Colours

2016· article· en· W2506792509 sur OpenAlexaff
Emily S. Cramer, Alissa N. Antle, Min Fan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSpellingComputer scienceCoding (social sciences)Variety (cybernetics)Context (archaeology)DyslexiaReading (process)Field (mathematics)SoftwareNatural language processingCognitive psychologyArtificial intelligenceLinguisticsPsychology

Résumé

récupéré en direct d'OpenAlex

Dyslexia is a severe impairment in reading and spelling that affects 10% of children in English-speaking countries. One area of difficulty is learning spelling rules that require attention to other letters within a word (i.e., context): for example, why grapple requires two ps while staple requires one. Poor visual attention contributes to children's difficulties. Computer-based programs that use multisensory cues have helped children learn simple letter-sound relations, but not contextual spelling rules. In this paper we present three theoretically derived principles that can be used to design dynamic colour codes for a variety of contextual spelling rules in software systems. We discuss how we used our principles to design the colour scheme for a single contextual spelling rule in our tangible software system, called PhonoBlocks. We evaluate its effectiveness in a field study with nine dyslexic children. On the basis of our findings, we conclude that our approach to using dynamic colour may help children with dyslexia to learn contextual spelling rules, but that individual factors impact the colours' effectiveness. We conclude by suggesting ways our dynamic colour-coding principles can be implemented in other systems taking into consideration individual factors that also impact their effectiveness.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,019
Tête enseignante GPT0,315
Écart entre enseignants0,296 · 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'étudeSans objet
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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReading and Literacy DevelopmentTravaux en français237 207