The Role of Writing Enablers on Writing Proficiency among Hispanic Students
Notice bibliographique
Résumé
This study examined the contribution of three writing enabling skills (i.e., feedback perception, self-efficacy, and self-regulation) on writing performance among Hispanic students. Participants were 261 students in grades 3-5. Approximately 60% of students were Emerging Bilingual (EB) enrolled in dual language programming. Students completed writing enablers scales and three writing compositions. EB students were classified in proficiency levels based on state-mandated language assessment scores. Factor structure of the writing enablers scales deviated from the original measures. Using Exploratory Structural Equation Modeling, we found that, while feedback perception was not related to writing, self-efficacy and self-regulation significantly predicted writing outcomes, though in opposite directions. Students with different English proficiency showed significant differences in self-efficacy but not feedback perception and self-regulation. Results showed that students with higher writing self-efficacy exhibited better writing performance. Students more proficient in English had stronger self-efficacy, with highly advanced EB students reporting the highest scores.Impact StatementThis study examined the role of three writing enablers for successful writing performance among Hispanic students, with a majority of the sample classified as Emerging Bilingual. Findings showed that self-efficacy for writing emerged as a strong predictor of writing proficiency. This is particularly relevant for EB students, as they exhibited large differences in self-efficacy levels across varying levels of linguistic proficiency. Educators can leverage this information to effectively support student beliefs about their writing abilities, which in turn may lead to improved writing outcomes.
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 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».