MétaCan
Menu
Retour à la cohorte
Enregistrement W3206098931 · doi:10.1177/25138502211020131

Exploring the development of early reading literacy and story narrative among young children

2021· article· en· W3206098931 sur OpenAlexaboutno aff
Chuanjiang Li, Zhaojing Ma, Xinmei Xi

Notice bibliographique

RevueJournal of Chinese Writing Systems · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesChina Postdoctoral Science Foundation
Mots-clésReading (process)NarrativeLiteracyStorytellingPsychologyReading comprehensionDevelopmental psychologyComprehensionLanguage developmentPedagogyLinguisticsLiteratureArt

Résumé

récupéré en direct d'OpenAlex

While numerous studies have examined the development of reading literacy and language skills of older primary and middle school-aged children, comparably little research focuses on those of younger children. The present study investigates the links between early reading literacy – including reading behavior, comprehension, and engagement–and narrative skills among children aged from 3 to 6. Eighty-five children participated in a picture book reading activity and a storytelling task. Their early reading literacy was rated during a child-led picture book reading, and their narrative skills were scored using the Edmonton Narrative Norms Instrument. Although the children’s development varied greatly in three early reading literacy sub-dimensions, we found a significant developmental tendency and a correlated relationship between early reading literacy and narrative skills among young children. The preschool children’s reading initially focused on pictures and gradually transferred to print as their age increased. Moreover, their reading behavior, comprehension and engagement had a predictive effect on narrative structure and linguistic development. This study suggests that school-based practices for early reading instruction should focus on children’s reading literacy and narrative skills in the future.

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)0,002
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,028
Tête enseignante GPT0,301
Écart entre enseignants0,273 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chinese Writing SystemsMême sujetReading and Literacy DevelopmentTravaux en français237 207