Shouting in the Kenyan Space: Can Spaceteam ESL Improve L2 Learners’ Oral Reading Fluency?
Notice bibliographique
Résumé
This study examined the effects of Spaceteam ESL, a digital shouting game, on the development of oral reading fluency (ORF) among 71 English as a second language (ESL) students in three primary and secondary schools in Mombasa, Kenya. Following a mixed-methods approach for data collection and analysis, we pre-tested and post-tested the participants on their ability to read aloud efficiently (speed) and accurately (accuracy) in three tasks: (1) phrases extracted from the game; (2) phrases not related to the game; and (3) a short anecdote. Paired-samples t-tests results revealed that, as hypothesized, participants who played Spaceteam ESL improved their ORF on measures of speed on all tasks, possibly because of the fast-paced nature of the game. However, no significant differences were observed in terms of accuracy due to a ceiling effect: the participants had already mastered the intricacies of the letter-to-sound rules of English orthography. Overall, these findings corroborate our hypothesis that some of the affordances of Spaceteam ESL (e.g., focus on speed reading, multiple and varied opportunities for practice) could contribute to the development of some aspects of oral reading fluency.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».