Children's reading outcomes in digital and print mediums: A systematic review
Notice bibliographique
Résumé
Background Given the growing reliance on digital devices, an increasing number of studies have examined the effects of text medium on reading outcomes in development; however, the results have been mixed. The goal of this systematic review is to look at how print and digital formats affect reading comprehension, engagement and other reading outcomes (e.g. vocabulary, reading speed) in children and adolescents aged 1–17 years old while also considering the influence of several participant, task and study characteristics. Methods A comprehensive search strategy involving seven electronic databases yielded 88 eligible articles comparing digital and print formats on reading outcomes published between 2000 and 2023 (3 reviewer inter‐rater reliability: k = .54–.78). Three major characteristics were coded: participant‐level (grade/age, diverse populations, testing language); task‐level (text‐genre, shared reading, digital comparability); study‐level (publication recency, study quality) characteristics. Contingency tables were created for all studies, then for each reading outcome and for participant, task, and study characteristics separately to classify the percentage of studies that demonstrated outcomes favouring print, digital, no difference or reliance on specific reading measures or other factors. Results Except in the case of engagement as an outcome, the most common finding was no difference between digital and print. When participant, task and study characteristics were examined separately for the various reading outcomes, the results varied. More studies examining reading comprehension (particularly of informational text and in older children) found ‘print is better’, whereas ‘digital is better’ was more common in studies examining engagement, other outcomes such as vocabulary and diverse learners. Conclusions This review highlights the importance of examining multiple interacting factors when studying the impact of print versus digital mediums on reading outcomes in children and adolescents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».