MétaCan
Menu
Retour à la cohorte
Enregistrement W4309585068 · doi:10.5430/jct.v11n8p376

Developing a Process to Promote Reading Comprehension of Students in the Thai Language Department, Faculty of Education, Chiang Rai Rajabhat University

2022· article· en· W4309585068 sur OpenAlexvenueno aff
Pongsakorn Sommit

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading comprehensionNonprobability samplingPsychologyMathematics educationComprehensionProcess (computing)Reading (process)Reciprocal teachingComputer scienceMedical educationLinguisticsMedicinePopulation

Résumé

récupéré en direct d'OpenAlex

This research was aimed at 1) creating a process to promote reading comprehension skills of students in the Thai language department, Faculty of Education, Chiang Rai Rajabhat University, 2) studying the process effectiveness, and 3) evaluating students' satisfaction with the process. The sample group consisted of 25 students in the Thai language department, Faculty of Education, Chiang Rai Rajabhat University, year 1 of the academic year 2020, selected by a Purposive Sampling method using the reading scores of the entrance examination. The research tools included 1) reading comprehension assessment forms prior and after using the process, 2) the process to promote reading comprehension, 3) reading comprehension practice form, 4) student satisfaction assessment form for the process. The research results presented the the process of enhancing reading comprehension ability, which consisted of 5 development stages, namely the evaluation stage, the stage of problem recognition and knowledge creation, the collaborative training stage for comprehension, the individual comprehension training stage and the reading comprehension evaluation stage. It was found that (1) the process had and efficiency of 84.34 /87.49, (2) students had higher reading comprehension ability, and (3) the student satisfaction with the process was in a high level.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,401
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Practices and ChallengesTravaux en français237 207