MétaCan
Menu
Retour à la cohorte
Enregistrement W4284879950 · doi:10.1017/9781108955638.034

Methodological Issues in Research on Working Memory and L2 Reading Comprehension

2022· book-chapter· en· W4284879950 sur OpenAlexaff
Michael J. Leeser, Eric Herman

Notice bibliographique

RevueCambridge University Press eBooks · 2022
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionComprehensionReading (process)Cognitive psychologyWorking memoryPsychologyTask (project management)Computer scienceLinguisticsCognition

Résumé

récupéré en direct d'OpenAlex

The relationship between working memory (WM) and second language (L2) reading comprehension has received considerable attention for nearly three decades. Although studies in this line of research generally report a small to moderate relationship between WM and L2 reading comprehension, comparison of studies remains challenging due to the lack of specification of the kind of comprehension under investigation (e.g., textbase, situation model) and the means of comprehension assessment. In addition, inconsistencies in the usage, scoring and analysis of WM measures further complicate the interpretation of findings across studies. Thus, in this chapter, we examine L2 reading-WM studies, paying particular attention to methodological considerations surrounding the use and scoring of WM tasks and the assessment of comprehension. We argue that methodological decisions can have non-trivial effects on this line of research and provide task recommendations based on current theorizing in reading

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
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 Opus0,395
Tête enseignante GPT0,364
Écart entre enseignants0,031 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207