MétaCan
Menu
Retour à la cohorte
Enregistrement W3198355054 · doi:10.15354/sief.21.or041

Does Abracadabra Help Improve the English Reading Ability of Chinese Elementary School Students? A Quasi-Natural Experimental Study

2021· article· en· W3198355054 sur OpenAlexaffabout
Hui Gu, Jijun Yao, Ping Bai, Longjun Zhou, Alan Cheung, Philip C. Abrami

Notice bibliographique

RevueScience Insights Education Frontiers · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensConcordia University
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsNanjing Normal University
Mots-clésSpellingMathematics educationReading (process)Class (philosophy)Natural (archaeology)PsychologyTest (biology)PedagogyComputer scienceArtificial intelligenceLinguistics

Résumé

récupéré en direct d'OpenAlex

ABRACADABRA (abbreviated as ABRA) is a software developed by Concordia University in Canada that focuses on natural spelling and aims to improve English reading ability. This research is based on 129 first graders, 213 second graders, and 275 third graders in the elementary school of Lianyungang Ganyu Huajie Bilingual School. We carried out a one-semester pre-and post-test and quasi-natural experimental research design to explore the effect of ABRA on students of different grades. The study results showed that ABRA improved students’ abilities in all grades to varying degrees, but the impact of the first graders got the most significant. The results of classroom observations and interviews with teachers showed that teachers needed to apply systematic teaching strategies and the control of class attention play a key role in it. To improve students’ English ability, teachers need to effectively improve their ability to apply information technology, especially in English class. Particularly in low-grade classrooms, attention should be paid to the management of class discipline to maintain its efficiency.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,340
Écart entre enseignants0,332 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience Insights Education FrontiersMême sujetEducation and Technology IntegrationTravaux en français237 207