MétaCan
Menu
Retour à la cohorte
Enregistrement W4283395365 · doi:10.5539/jel.v11n2p63

Problems and Needs in Instructing Literacy and Fluency of Reading and Writing Skills of Thai L1 Young Learners

2022· article· en· W4283395365 sur OpenAlexvenueno aff
Prasart Nuangchalerm, Autthapon Intasena

Notice bibliographique

RevueJournal of Education and Learning · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFluencyPsychologyReading (process)SpellingLiteracyMathematics educationPedagogyLinguistics

Résumé

récupéré en direct d'OpenAlex

The purposes of the current study were 1) to investigate problems in instructing literacy and fluency of reading and writing of Thai L1 young learners, and 2) to investigate needs in instructing literacy and fluency of reading and writing of Thai L1 young learners. There were 2 groups of participants including a group of 15 samples answering a questionnaire and a group of 10 samples taking part in an interview session. The instruments were 1) a questionnaire and 2) a structured interview to study problems in instructing literacy and fluency of reading and writing skills of Thai young learners and 3) a questionnaire and 4) a structured interview to study needs in instructing literacy and fluency of reading and writing skills of Thai young learners. The quantitative data were analyzed using percentages, mean scores, and standard deviation. Meanwhile, the results of the interview were analyzed by a qualitative analysis method. The results of the study show that 1) problems in instructing literacy and fluency of reading and writing skills of Thai L1 young learners are the learners’ knowledge in textual language systems in terms of spelling, meaning, and uses in both receptive and productive manners; 2) needs in instructing literacy and fluency of reading and writing skills of Thai L1 young learners rely on finding possible solutions to solve these problems considering the nature of young learners’ learning.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,434
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,346
Écart entre enseignants0,329 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEducation Systems and PolicyTravaux en français237 207