A Quasi-Experimental Study of a Web-Based English Literacy Tool for Grade 3 Students in China
Notice bibliographique
Résumé
Purpose: This study explores the effectiveness of a A Balanced Reading Approach for Children Always Designed to Achieve Best Results for All (ABRACADABRA; hereinafter, ABRA)—a web-based literacy program designed by Concordia University in Canada—on third-grade students in Nanjing, China. Design/Approach/Methods: Participants comprised 999 students from three treatment schools (N = 711) and three control schools (N = 288). Three different approaches were used in the treatment schools: namely, a computer laboratory once a week, noontime study after lunch, and single-game instruction (SG) during every English lesson. Interviews were also conducted with teachers, producing qualitative data. Findings: Following 20 weeks of intervention, the overall effect size was +0.05. The SG group reflected the smallest effect size (d = -0.52). The noontime study group produced an effect size of 0.39, and the laboratory group an effect size of 0.55. This study conducted interviews with teachers to gain a qualitative understanding of the differential impacts. In doing so, this study found that teachers in the SG group were poorly motivated due to a lack of school support and heavy workload, resulting in passive roles and low ABRA program intensity. Originality/Value: The results of this study indicate that ABRA is an effective means of improving Chinese students’ English literacy skills. Results also underscore the need for critical measures to encourage teachers to actively participate in the program.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».