What Matters Most? Toward a Robust and Socially Just Science of Reading
Notice bibliographique
Résumé
ABSTRACT Science of reading is a term that has been used variously, but its use within research, policy, and the press has tended to share one important commonality: an intensive focus on assessed reading proficiency as the primary goal of reading instruction. Although well intentioned, this focus directs attention toward a problematically narrow slice of reading. In this article, we propose a different framework for the science of reading, one that draws on existing literacy research in ways that could broaden and deepen instruction. The framework proposes, first, that reading education should develop textual dexterity across grade levels in the four literate roles first proposed by Freebody and Luke: code breaker (decodes text), text participant (comprehends text), text user (applies readings of text to accomplish things), and text analyst (critiques text). Second, the framework suggests that reading education should nurture important literate dispositions alongside those textual capacities, dispositions that include reading engagement, motivation, and self‐efficacy. Justification is offered for the focus on textual dexterity and literate dispositions, and we include research‐based suggestions about how reading educators can foster student growth in these areas. Finally, we propose that reading education should attend closely to linguistic, cultural, and individual variation, honoring and leveraging different strengths and perspectives that students bring to and take away from their learning. Reimagining a science of reading based on these principles has the potential to make it both more robust and more socially just, particularly for students from nondominant cultures.
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 | 0,034 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,071 |
| Communication savante | 0,018 | 0,024 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».