Reading in Arabic: How Well Does the Standard Model Apply?
Notice bibliographique
Résumé
Purpose We investigated the cognitive and linguistic processes that underlie reading in Arabic in relation to a well-defined theoretical framework of reading and the factors that underlie reading. Method The sample was 201 (101 boys, 100 girls) 3rd-grade Arabic-speaking children. Children were administered measures of Vocabulary, Phonological Awareness (PA), Naming Speed, Orthographic Processing, Morphological Awareness (MA), Memory, Nonverbal Ability, and 5 reading outcomes. Hierarchical regression analyses were conducted for each of the 5 reading outcomes to investigate the predictors of children's reading. Results Each of the constructs explained unique variance when added to the model. In the final models, PA was the strongest predictor of all outcomes, followed by MA. In a follow-up analysis, participants were divided into good and poor decoders, based on their Pseudoword Reading scores. Good decoders outscored poor decoders on every measure. Within-group regression analyses indicated that poor decoders relied on more component processes than good decoders, suggesting a lack of automaticity. Variance in reading outcomes was better predicted for poor decoders than for good decoders. Conclusion These results indicate that standard predictors apply well to Arabic, showing the particular importance of PA and MA. Longitudinal and instructional studies are required to determine developmental patterns and ways to improve reading performance.
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 | 0,004 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».