MétaCan
Menu
Retour à la cohorte
Enregistrement W4230900826 · doi:10.32920/ryerson.14640531.v1

Les effets des programmes d’été de littératie: Les théories sur les opportunités d’apprentissage et les élèves « non traditionnels » dans les écoles de langue française en Ontario

2021· preprint· en· W4230900826 sur OpenAlexaboutno aff
Scott Davies, Janice Aurini, Emily Milne, Johanne Jean‐Pierre

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedLiteracyHumanitiesPsychological interventionPsychologyPolitical sciencePedagogyArt

Résumé

récupéré en direct d'OpenAlex

According to studies from the United States and English Canada, student achievement gaps grow over the summer months when children are not attending school, but summer literacy interventions can reduce those gaps. This paper presents data from a quasi-experiment conducted in eight Ontario French language school boards in 2010, 2011 and 2012 for 682 children in grades 1-3. Growth in literacy test scores between June and September are compared for 361 attendees of summer literacy programs and 321 control students. Summer program recruits initially had lower prior literacy scores and grades, and tended to hail from relatively disadvantaged social backgrounds. Yet, summer programs narrowed those pre-existing gaps. Effect sizes from a variety of regression and propensity score matching models ranged from .32 to .58, which is quite sizeable by the standards of elementary school interventions and summer programs. Effects were stronger among students whose parents reported not speaking French exclusively at home. Our paper considers learning opportunity theory in light of the “non-traditional” student in Ontario French language schools.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,250
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,056
Tête enseignante GPT0,310
Écart entre enseignants0,255 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSchool Choice and PerformanceTravaux en français237 207