MétaCan
Menu
Retour à la cohorte
Enregistrement W4388503824 · doi:10.23977/aetp.2023.071502

Status, Challenges, Andstrategies of Phonics Instruction in Thecentral Regionofchina

2023· article· en· W4388503824 sur OpenAlexvenueno aff
Mengjiao Zhao

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueHigher Education and Teaching Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhonicsPronunciationMathematics educationPerceptionPsychologyChinaComputer sciencePrimary educationLinguisticsGeography

Résumé

récupéré en direct d'OpenAlex

Phonics is a teaching method used to guide students to directly learn the pronunciation rules of 26 letters and letter combinations in words by emphasizing the name sounds of letters to establish the connection between letters and letter combinations with pronunciation to achieve the ability to read words when they see them and understand the words when they hear them. This method can reduce the difficulty of English learning for elementary students. To explore relationship among the status, challenges and strategies, the research made a questionnaire which was conducted in the central region of China-Henna Province, and 457 English teachers from 20 public primary schools and ten private elementary schools were randomly selected as participants. It was found that status of teachers' overall perception with efficient phonics instruction is relatively high, but challenges resulted from traditional teaching methods and the lacking of updated teaching resources led to students’ inefficient learning results. A highly significant correlation has been illustrated among the three variables When Grouped According to Profile. The better the status is, the less challenges teachers encountered, the more challenges exist, the more strategies are accepted.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,403
Écart entre enseignants0,364 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Educational Technology and PsychologyMême sujetHigher Education and Teaching MethodsTravaux en français237 207