Notice bibliographique
Résumé
Dyslexia is the most commonly diagnosed learning disability in the English-speaking world, affecting between 10 and 20 percent of the adult population of countries such as the United States, Britain, and Canada (International Dyslexia Association, 2016). While diagnosis and treatment of dyslexia focusses on the act of reading, the underlying cause of the condition is thought to be a phonological processing disorder that inhibits an individual’s ability to identify separate speech sounds (International Dyslexia Association, 2002). Awareness of dyslexia has risen steadily among speakers of other languages, but for Japanese citizens and educators it remains a relatively unknown phenomenon. Differences in the orthography of languages affect reading in ways that can greatly impact the likelihood of an individual acquiring literacy (Paulesu et al., 2001). Understanding these influences is essential to ensuring the best outcomes for Japanese English language learners. 失読症は英語圏では一般的な学習障害であり、米国、英国、カナダなどでは成人人口の約10～20%に見られる(International Dyslexia Association, 2016;.)。失読症の診断や治療は読書する行為に着目しているが、その症状の原因は、個々の言語音(speech sounds)を聞き分ける能力を妨げる音韻（音素）処理障害と考えられている(International Dyslexia Association, 2002)。他 の言語の国々においても失読症への認識は高まっているが、日本の一般人や教育者においては未だ比較的認知されていない状態である。言語の正字法における違いは流暢に読めるようになる能力に大きく影響する(Paulesu et al., 2001)。これらの違いを理解する事は、全ての日本人英語学習者にとって最善の学習成果をもたらすために重要なものとなる。
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».