Creating a Space for Self-Transformation: Factors of Success for Adult Literacy Learners with Specific Learning Difficulties
Notice bibliographique
Résumé
A significant number of adults in adult literacy programs in Ontario have \nspecific learning difficulties. This study sought to examine the holistic factors \nthat contributed to these learners achieving their goals. Through a case study \ndesign, the data revealed that a combination of specific learning methods and \nstrategies, along with particular characteristics of the instructor, participant, and \nclass, and the evidence of self-transformation all seemed to contribute to the \nparticipant's success in the program. Instructor-directed teaching and cooperative \nlearning were the main learning methods used in the class. General \nlearning strategies employed were the use of core curriculum and authentic \ndocuments, and using phonics, repetition, assistive resources, and using \nactivities that appealed to various learning styles. The instructor had a history of \nboth professional development in the area of learning disabilities as well as \nexperience working with learners who had specific learning difficulties. There \nalso seemed to be a goodness of fit between the participant and the instructor. \nSeveral characteristics of the participant seemed to aid in his success: his positive \nself-esteem, self-advocacy skills, self-determination, self-awareness, and the fact \nthat he enjoyed learning. The size (3-5 people) and type of class (small group) \nalso seemed to have an impact. Finally, evidence that the participant went \nthrough a self-transformation seemed to contribute to a positive learner identity. \nThese results have implications for practice, theory, and further research in adult \neducation.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».