MétaCan
Menu
← Retour à la cohorte
Enregistrement W30475433 · doi:10.5539/ass.v8n3p329

The Effects of Text Length and Picture on Reading Comprehension of Iranian EFL Students

2012· article· en· W30475433 sur OpenAlexvenueno aff
Maryam Jalilehvand

Notice bibliographique

RevueAsian Social Science · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionComprehensionPsychologyReading (process)LinguisticsComputer scienceMathematics education

Résumé

récupéré en direct d'OpenAlex

This research examined the effects of text length and picture on reading comprehension. ‘Dual Coding Theory’ is a powerful rationale behind using pictures and texts together. According to this theory, “information is much easier to retain and retrieve when it is dual-coded because of the availability of two mental representations instead of one.” The sample consisted of 79 first grade female students from three high schools in Iran. The participants were of the same level of proficiency. The researcher utilized two texts in this study. In fact, one of these two texts was a shortened version of the original text. Using a between subject design, participants were divided into four groups. Each group read a reading comprehension text under one of four conditions: 1) long text with picture, 2) long text without picture, 3) short text with picture, and 4) short text without picture. The reading comprehension texts were accompanied by 5 multiple-choice items and 10 true-false items. Although the participants performed better on the original text, the results of the analysis of variance (ANOVA) showed that length had no significant effect on reading comprehension of Iranian high school students. However, subjects performed better on texts with picture. Therefore, picture is a key variable in influencing EFL students’ reading comprehension at high school levels. These findings have pedagogical implication in the EFL and ESL fields.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,332
Écart entre enseignants0,320 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetReading and Literacy Development→Travaux en français237 207→