MétaCan
Menu
Retour à la cohorte
Enregistrement W4386328079 · doi:10.21248/l1esll.2023.23.1.485

High school students’ attentional stance, modes of reading engagement, and self-insight during literary reading

2023· article· en· W4386328079 sur OpenAlexfundno aff
Peter Grandits, Janez Krek

Notice bibliographique

RevueL1 Educational Studies in Language and Literature · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésStructural equation modelingReading (process)PsychologyConfirmatory factor analysisReliability (semiconductor)Test (biology)Experiential learningReading motivationCognitive psychologyDevelopmental psychologyMathematics educationComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

The primary aim of this study was to analyze the validity and reliability of an instrument capable of measuring high school students’ attentional stance, modes of reading engagement, and self-insight during literary reading. For this purpose, a self-report questionnaire was administered to high school students in three Austrian regions (N = 417). First, confirmatory factor analysis was conducted to test the validity and the reliability of the preconceived measurement model. Second, the interrelationships among the validated constructs were analyzed through structural equation modeling. The fit and the validity of the structural model were evaluated, and the mediating effect of expressive reading was tested. The study yielded an instrument with valid and reliable scores that assesses 9 dimensions of high school students’ reading experiences. The basic Kuiken-Douglas model (2017) on reading engagement and reading outcome could be replicated. Structural equation modeling indicated that high attentional focus negatively predicted expressive-experiential reading that in turn facilitated self-insight. This implies that students should be allowed leaky attention so that they can work with literary texts in a self-modifying way in literature education. Limitations are discussed.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,018
Tête enseignante GPT0,362
Écart entre enseignants0,344 · 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'étudeObservationnel
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL1 Educational Studies in Language and LiteratureMême sujetImpact of Technology on AdolescentsTravaux en français237 207