MétaCan
Menu
Retour à la cohorte
Enregistrement W2897764409 · doi:10.5958/2229-4422.2018.00002.6

Each child can read: A beginning or an end

2018· article· en· W2897764409 sur OpenAlexaff
Neeta Rani, Puja Pratihasta

Notice bibliographique

RevueGYANODAYA - The Journal of Progressive Education · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueThemes in Literature Analysis
Établissements canadiensEarl Haig Secondary School
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Every teacher, student and parent believes that reading is the most significant skill developed in elementary schools. To find the number of students who face difficulty in reading may be a point of debate, but one thing that everyone will be agreed to is the fact that a big percentage of students not only in India but also in the world are poor readers. Irrespective of the definition of a poor reader, there is a very high percentage of poor readers in our society. Incapability of reading is to a great extent, the most important reason that students are not growing academically according to their level or class, required to be provided special education or provided remedial classes. Among the students who are poor readers, there is a further gap between students from different geographical areas and genetic groups. These gaps and differences in reading skill have major consequences for our system and society, as they progressively lead to differences among Indian students that remain throughout their student life and even beyond that. The reading problem of Indian students is not new. Overall performance in reading has been more or less same since “National Policy of Education 1968”. The thinking that we can return to some earlier"golden age of reading" is wrong. The purpose of this article is to study the effectiveness of the campaign titled “Each child can read” being run by the Government of NCT of Delhi to improve the reading skill among students of the government schools of Delhi.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,298
Écart entre enseignants0,277 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGYANODAYA - The Journal of Progressive EducationMême sujetThemes in Literature AnalysisTravaux en français237 207