MétaCan
Menu
Retour à la cohorte
Enregistrement W4393861295 · doi:10.1007/s11145-024-10533-8

Between-word processing and text-level skills contributing to fluent reading of (non)word lists and text

2024· article· en· W4393861295 sur OpenAlexfundno aff
Sietske van Viersen, Angeliki Altani, Peter F. de Jong, Athanassios Protopapas

Notice bibliographique

RevueReading and Writing · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research CouncilSocial Sciences and Humanities Research Council of CanadaNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésPsycholinguisticsWord (group theory)Reading (process)LinguisticsPsychologyLiteracyComputer scienceWord processingWord recognitionNatural language processingCognitionPedagogy

Résumé

récupéré en direct d'OpenAlex

Abstract Recent studies have shown that fluent reading of word lists requires additional skills beyond efficient recognition of individual words. This study examined the specific contribution of between-word processing (sequential processing efficiency, indexed by serial digit RAN) and subskills related to text-level processing (vocabulary and syntactic skills) to a wide range of reading fluency tasks, while accounting for within-word processes (i.e., those involved in phonological recoding, orthographic decoding, and sight word reading). The sample included 139 intermediate-level (Grade 3, n = 78) and more advanced (Grade 5, n = 61) readers of Dutch. Fluency measures included simple and complex lists of words and nonwords, and a complex text. Data were analyzed through hierarchical regressions and commonality analyses. The findings confirm the importance of between-word processing for fluent reading and extend evidence from simple word lists and texts to complex word lists and texts, and simple and complex lists of nonwords. The findings hold for both intermediate-level and more advanced readers and, as expected, the contribution of between-word processing increased with reading-skill level. Effects of vocabulary were generally absent, aside from a small effect on text reading fluency in Grade 3. No effects of syntactic skills were found, even in more advanced readers. The results support the idea that once efficient individual word recognition is in place, further fluency development is driven by more efficient between-word processing. The findings also confirm that vocabulary may be less prominent in processing mechanisms underlying fluent word identification in transparent orthographies, across reading levels.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,337
Écart entre enseignants0,315 · 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'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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReading and WritingMême sujetReading and Literacy DevelopmentTravaux en français237 207