A Reading Tutor for Low-Literacy Adults
Notice bibliographique
Résumé
According to the Organization for Economic Cooperation and Development (OECD), the mean proficiency in literacy among adults in the US and Canada is at Level 2. Adults at this level cannot process dense texts, eliminate irrelevant information, perform multi-step operations, or evaluate the reliability of a source. The Reading Tutor is a website that was created to help low-literacy adults improve their English. It will be free to use the website that is personalized to the literacy level of every user. Creating a website allows people to increase their literacy levels without facing the stigma that comes with attending a class in person. Adults are inclined to improve their English because it often affects their career potential, socio-economic status, and health. The Reading Tutor has two major components: the passages and the scenarios. Passages are stories that the user can read and answer questions about. Scenarios are plots with questions that the user must answer to move on. In recent work, the information for each scenario was organized into spreadsheets to simplify the process of entering data into the code.
 The system architecture consists of HTML, CSS, Javascript, MySQL, Python, and Django. The newest development in this project was the improvement of the user intake experience. Before starting the passages and scenarios, the website collects information from each adult. The user "interests" pages are the latest additions to the site and these pages ask about the user’s hobbies. That data will then be used to incorporate their interests into later questions. It was important to add this feature to the website because relevance is a motivator for the user demographic. The next steps for the website are to log the user’s interests into the database. Future enhancements also include the creation of more scenarios to accommodate to the different user interests.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».