Using Collaborative Strategic Reading with Refugee English Language Learners in an Academic Bridging Program
Notice bibliographique
Résumé
Refugee students arrive in Canada with varying amounts of previous formal education. School-aged refugees who lack a solid first language education may find learning to read in English and studying subject content especially challenging. If these students leave school, they depart with inadequate English reading proficiency for further academics or job training. Reading strategy instruction could potentially contribute to improving their reading comprehension. In this article, I outline the implementation of Collaborative Strategic Reading in an academic bridging program for low-literate refugee students 17 to 25 years old, followed by some of the observed accompanying benefis. Descriptions and examples of activities used are included, along with references for additional teaching resources. Les étudiants réfugiés arrivent au Canada avec des niveaux de scolarité formelle variables. Les réfugiés en âge d’être scolarisés qui n’ont pas une bonne base scolaire dans leur première langue risquent d’avoir du mal à apprendre la lecture et les matières académiques en anglais. Si ces élèves qui ent l’école, ils partent sans la compétence en lecture de l’anglais nécessaire pour poursuivre leur scolarité ou une formation professionnelle. L’enseignement de stratégies de lecture pourrait contribuer à l’amélioration de leur compréhension en lecture. Dans cet article, je retrace la mise en œuvre d’un programme de lecture stratégique collaborative dans un programme de transition académique auprès d’élèves réfugiés peu alphabétisés et âgés entre 17 et 25 ans, et j’évoque quelques uns des bienfaits qui en découlent. Des descriptions et des exemples d’activités sont fournis, ainsi que des références indiquant des ressources pédagogiques supplémentaires.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».