Undergraduate Students’ Use of Metacognitive Strategies While Reading and the Relationship Between Strategy Use and Reading Comprehension Skills
Notice bibliographique
Résumé
Background: Lately in national and international reports, there has been an increasing interest on the significance of the development of reading skills. Countries are facing the problem of a decrease in reading habits (Niemann, 2016; Iyengar, 2007). Method: This study examines the perceived use of metacognitive strategies among undergraduate students during reading, which encompasses the use of metacognitive strategies before, during and after reading. The sample group comprised 236 students at Primary Education (PE) and Social Studies Teaching (SST), Language & Literature (LL) and Sociology departments during 2014–2015 academic year. The data were collected using the Metacognitive Awareness of Reading Strategies Inventory (MARSI) and reading comprehension achievement tests (informative and narrative). Results: Overall strategy use among the sample group was “high”. Whether there was a significant difference among students’ perceived use of strategies in reading based on gender, grade, faculty and department was investigated. The results indicated a significant difference based on gender and grade level. Finally, it was found that as the reading comprehension increased in narrative texts, so did the strategy use in overall scale as well as in Global Reading Strategies and Problem Solving Strategies sub-scales. Conclusion: The findings indicated gender differences in the use of reading strategies. It can be suggested that students be provided with reading strategies training that considers the gender differences in the use of metacognitive strategies in reading. In addition, based on the grade difference between freshmen and senior students, in favor of senior students and arising from including strategy use training in the curriculum, reading and learning strategies training could be provided for students during undergraduate education.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».