Examining performance indicators for a written expression test based on the curriculum
Notice bibliographique
Résumé
This study aimed to investigate the relationships between students' word-level reading competency, verbal working memory, and performance on a curriculum-based narrative writing exam (N = 42; 23 males). Composition quality and CMIWS, an abbreviation that stands for correct minus incorrect word sequences, were the outcomes evaluated in this study. CMIWS is an abbreviation for "Creation of suitable text grammar and spelling." This is what the acronym means. The CMIWS scores and the total quality score did not strongly correlate. As a predictor of CMIWS, word reading ability fared significantly better than gender, grade level, the automaticity of handwriting, and working memory. This is because having a strong reading ability lowered the amount of variety in the data. Reading fluency remained a strong predictor of composition quality even when other factors, such as the writer's gender and the degree to which their handwriting was automatic, were considered. An updating task was used to evaluate working memory; however, the results did not indicate that it was a unique or significant predictor of CMIWS or composition quality. In addition, it was found that scores on the CMIWS varied depending on grade (the findings for grade 5 were higher than those for grade 4) and gender. Grade 5 scores were higher than grade 4 (girls had higher scores than males). Even though there is a correlation between automaticity in handwriting and both CMIWS scores and writing quality, automaticity in handwriting alone cannot be used to predict any of these measures. The findings support the hypothesis that the CMIWS indicator is sensitive to variations in the environment in which it is located. When evaluating children's writing abilities and developing instructional strategies for children who struggle with writing, it is essential to consider not only the children's reading fluency but also the amount of automaticity in their handwriting. As highlighted by these outcomes, the importance of taking this step cannot be overstated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».