MétaCan
Menu
Retour à la cohorte
Enregistrement W4388810487 · doi:10.5430/jct.v12n6p206

Development of Literary Competence Through a Semiotic Approach and Technological Resources

2023· article· en· W4388810487 sur OpenAlexvenueno aff
Sayra Astrid Sujey Perez Reategui, Kelita Ytamar Rodríguez Rojase, Osmer Campos-Ugaz, Ronald M. Hernández, Miguel A. Saavedra-López, Heriberto Solis Sosa, Lizzeth Aimée García Flores

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSemioticsCompetence (human resources)NarrativeLikert scaleComprehensionPsychologyInformation and Communications TechnologyMathematics educationPedagogySociologyComputer scienceEpistemologySocial psychologyLiteratureArt

Résumé

récupéré en direct d'OpenAlex

Currently, literary competence is scarcely addressed in secondary education teaching. Therefore, the objective of this study was to design a didactic proposal to improve literary competence through a semiotic approach and technological resources in secondary school students of an educational center located in the city of Lambayeque. The research was quantitative, non-experimental and descriptive-propositive design. The instrument used was the "Likert scale to evaluate literary competence", which was applied to a sample of 32 fifth grade students, selected by non-probabilistic sampling. As a result, it was obtained that the students presented low levels of achievement, since 100% of them only evidenced beginning processes. In response to this problem, a didactic proposal for the comprehension and production of narrative discourse was designed and validated from a semiotic perspective using ICT resources. We conclude on the importance of the contributions in the area of communication, which can integrate didactics with technology, contributing to the pedagogical processes for current generations and educational systems of the globalized world.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,023
Tête enseignante GPT0,278
Écart entre enseignants0,255 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Innovations and TechnologyTravaux en français237 207