MétaCan
Menu
Retour à la cohorte
Enregistrement W3043304802 · doi:10.1177/1086296x20939559

Dual-Language Books: Enhancing Engagement and Language Awareness

2020· article· en· W3043304802 sur OpenAlexafffundabout
Rahat Zaidi

Notice bibliographique

RevueJournal of Literacy Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Centre for Child, Family and Community Research
Mots-clésLiteracyMetalinguisticsHeritage languagePsychologyPedagogyLanguage Experience ApproachNative-language instructionReading (process)Metalinguistic awarenessFirst languageCompetence (human resources)Mathematics educationLinguisticsTeaching methodLanguage educationComprehension approachVocabulary development

Résumé

récupéré en direct d'OpenAlex

This collaborative action research project in Alberta, Canada, explored how dual-language books (DLBs) can foster literacy instruction and learner engagement through language awareness. Canada’s changing demographics have resulted in mother tongue diversity and many urban schools identifying at least 25% of students as being English language learners, making it crucial to include a mix of languages in classroom interactions to engage all learners. The case study combined prereading linguistic prompts with a reading of 10 DLBs, one each week, by guest readers in Urdu, Tagalog, and Spanish, alongside the teacher reading in English. Video recordings and surveys collected data on the teacher’s, guest readers’, and learners’ reflections on the experience. Findings indicate that regardless of the learners’ linguistic heritage or English language competence, the DLBs offered a unique support for literacy engagement while fostering a focus on language awareness, reading strategies, and higher order engagement with text.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0050,002
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,225
Tête enseignante GPT0,587
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations46
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Literacy ResearchMême sujetMultilingual Education and PolicyTravaux en français237 207