A computer‐based Pinyin intervention for disadvantaged children in China: Effects on Pinyin skills, phonological awareness, and character reading
Notice bibliographique
Résumé
Pinyin is an alphabetic script that denotes pronunciations of Chinese characters. Studies have shown that Pinyin instruction enhances both phonological awareness (e.g., Shu et al., Developmental Science, 2008, 11, 171-181) and character reading (e.g., Lin et al., Psychological Science, 2010, 21, 1117-1122) in Chinese children. In the present study, we provided a 3-week Pinyin intervention with a computer-based Pinyin GraphoGame to disadvantaged migrant children with poor Pinyin skills. A total of 252 first graders who were children of migrant workers in a large Chinese city were assessed to identify poor Pinyin readers. Fifty-six 7-year-old children with poor Pinyin skills were selected and randomly divided into a training group and a control group, with 28 children in each group. The training group played the Pinyin GraphoGame for 3 weeks, while the control group received school instruction only during the same period. Results showed that the children in the training group outperformed their peers in the control group on Pinyin reading accuracy and fluency, onset-rime and phonemic awareness, and character reading. These results suggest that the Pinyin GraphoGame may be a cost-effective method to enhance Pinyin and literacy outcomes for underprivileged children in China.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».