MétaCan
Menu
Retour à la cohorte
Enregistrement W2762049428 · doi:10.1111/1467-9817.12127

The role of topic‐related background knowledge in visual attention to illustration and children's word learning during shared book reading

2017· article· en· W2762049428 sur OpenAlexafffund
Tanya Kaefer

Notice bibliographique

RevueJournal of Research in Reading · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensLakehead University
Organismes subventionnairesLakehead University
Mots-clésReading (process)PsychologyTest (biology)Word (group theory)Word learningCognitive psychologyLinguisticsVocabulary

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine how background knowledge of a topic may influence children's attention to different elements of storybook illustrations and how that influences word learning. Forty‐one kindergarten students were administered a test about a familiar topic (i.e., birds). Participants were then read either a fictional story about a familiar topic (birds) or a fictional story about a novel topic (wugs) on an eye‐tracker monitor. Results suggest that, for children who heard the familiar story, those who knew more about the category were faster to orient to the illustration of the novel word than children with lower background knowledge. Accordingly, children who were faster to orient to the illustration were more likely to learn the word. These results may suggest that one mechanism by which background knowledge improves implicit learning in shared‐book reading contexts is by guiding attention to the named elements of the illustrations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,419

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,423
Écart entre enseignants0,373 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Research in ReadingMême sujetReading and Literacy DevelopmentTravaux en français237 207