MétaCan
Menu
Retour à la cohorte
Enregistrement W2788252806 · doi:10.5539/ijel.v8n3p131

Metacognitive Scaffolding in Reading Comprehension: Classroom Observations Reveal Strategies to Overcome Reading Obstacles of Engineering Students at QUEST, Nawabshah, Sindh, Pakistan

2018· article· en· W2788252806 sur OpenAlexvenueno aff
Mansoor Ahmed Channa, Zaimuariffudin Shukri Nordin, Abdul Malik Abassi

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetacognitionMathematics educationReading comprehensionSession (web analytics)Class (philosophy)ComprehensionReading (process)PsychologyThink aloud protocolComputer sciencePedagogyCognitionArtificial intelligenceLinguistics

Résumé

récupéré en direct d'OpenAlex

This study aimed at investigating the development of reading comprehension of engineering students through metacognitive strategies and scaffolding. This study used 12 classroom observations in four engineering departments of one public university in Pakistan. The researcher observed 3 classes in each department at the time of read-aloud sessions. The class in each department was comprised on minimum 55 students and maximum 75 students. The researcher himself conducted all the 12 observations to maintain reliability without interfere of the complete teaching method. Teacher in each class was introduced by the observer and his aim to come in the first observation session. The observer sat at the back of every classroom and noted all instructional practices carefully on the field-notes based on teachers using metacognitive strategies to support students in terms of reading comprehension instructions. This study revealed the promising results based on metacognitive scaffolding and strategies as the most important tools for engineering students and language teachers to use for the development of reading and comprehension.

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)0,003
score de la tête « metaresearch » (Gemma)0,036
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,268
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,053
Tête enseignante GPT0,410
Écart entre enseignants0,357 · 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.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207