Beyond Word Recognition: The Role of Efficient Sequential Processing in Word- and Text-Reading Fluency Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Previous studies examining the inter-relations between serial and discrete naming with reading have found that the ability to efficiently process multiple items presented in a sequence (indexed by serial naming) is a unique predictor of word- and text-reading fluency. However, conclusions have been tempered by the concurrent nature of the available data and the uniformly low demands of the materials (words and texts). Here we go beyond previous studies by using more varied materials to examine the relations of serial and discrete naming with the discrete reading of words and the serial reading of word lists and connected text over time.Method Two hundred and eight English-speaking Canadian children (51% female, Mage = 7.2 years) were followed from Grade 2 to Grade 5 and were assessed on serial and discrete digit naming and serial and discrete word reading at both measurement points.Results Strong associations between discrete naming and discrete reading already from Grade 2 indicated that short and high-frequency words were processed in parallel early in development. By Grade 5, when word recognition was presumably automatized, serial naming accounted for unique variance in serial reading of word lists and connected texts after controlling for discrete word reading. More importantly, Latent Change Score modeling indicated that serial naming was the main predictor of growth in serial reading from Grade 2 to Grade 5.Conclusion These findings suggest that, beyond individual word recognition, reading fluency development also requires efficient processing of multiple items presented in serial format (termed “cascaded processing”).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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