Is a Phone-Based Language and Literacy Assessment a Reliable and Valid Measure of Children’s Reading Skills in Low-Resource Settings?
Notice bibliographique
Résumé
PurposeTechnology-based remote research methods are increasingly widespread, including learning assessments in child development and education research. However, little is known about whether technology-based remote assessments remain as valid and reliable as in-person assessments. We developed a low-cost phone-based language and literacy assessment for primary-school children in low-resource communities in rural Côte d’Ivoire using voice calls and SMS. We compared the reliability and validity of this phone-based assessment to an established in-person assessment.Methods685 5th grade children completed language (phonological awareness, vocabulary, language comprehension) and literacy (letter, word, pseudoword, passage reading and comprehension) tasks in-person and by phone. ResultsReliability (internal consistency) and predictive validity was high across in-person and phone-based tasks. Children’s performance across in-person and phone-based assessments were moderately to strongly correlated. Phonological awareness and vocabulary skills measured in-person and by phone significantly predicted in-person and phone-based letter, word and pseudoword reading. Oral language and decoding skills measured in-person and by phone significantly predicted in-person and phone-based passage reading and comprehension.ConclusionOur phone-based assessment was a reliable and valid measure of language and reading and feasible for low-resource settings. Low-cost technologies offer significant potential to measure children’s learning remotely, increasing inclusion of remote and low-resource populations in education research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».