MétaCan
Menu
Retour à la cohorte
Enregistrement W4391190859 · doi:10.7202/1108759ar

Validating a Scale Measuring Metacognitive Knowledge About Digital Reading

2022· article· en· W4391190859 sur OpenAlexvenueno aff
Dominique Lafontaine, Nina Jude, Johanna Leck

Notice bibliographique

RevueMesure et évaluation en éducation · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetacognitionReading (process)Scale (ratio)Computer sciencePsychologyCognitive psychologyNatural language processingLinguisticsCognitionCartographyGeography

Résumé

récupéré en direct d'OpenAlex

This study aims to find evidence that validates an unprecedented scale assessing metacognitive knowledge about digital reading, developed for PISA 2018. More precisely, the study investigates whether the scale measures metacognitive knowledge about reading as opposed to ICT literacy. Data from the 37 OECD countries were used. The results show strong correlation between this metacognitive knowledge scale, reading performance, and two scales which have already been validated for measuring metacognition about reading. The scale is also significantly correlated with students’ interest, self-concept, and self-efficacy in reading. On the other hand, no correlation was shown between their use of ICT, and their interest and perceived self-efficacy in their use. The results provide evidence that the scale assesses metacognitive knowledge about digital reading rather than digital literacy. The results also demonstrate a strong correlation between the scale and reading proficiency.

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)0,039
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0390,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,143
Tête enseignante GPT0,450
Écart entre enseignants0,307 · 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.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMesure et évaluation en éducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207