Comparing Implicit and Explicit Morphological Analysis Instruction for Upper Elementary Readers
Notice bibliographique
Résumé
Purpose We compared the effects of two types of instruction on novel suffix learning. Instruction differed in the explicitness of the attention given to the morphological structure of the targets. Learning in form and meaning was measured in trained and transfer words.Method Over three days Grade 3 (N = 83, 45.8% females, Mage = 8.4) and Grade 5 (N = 86, 47.7% females, Mage = 10.4) students with English as their first language (93% caucasian, 4% East Asian, 2% Latino, 1% First Nations, Metis and Inuit) received training on the definitions of pseudowords with a salient morphological structure (e.g. nim meaning small in “hillnim”). Training activities explicitly taught the morphological structure of the words, or exposed participants to this structure implicitly while teaching the use of general context clues. Participants’ learning was assessed immediately (one day) after training, and at follow-up one week later, using a suffix identification task, a word definition, and a multiple-choice task.Results Participants at both grade levels scored similarly on the form task across conditions, but in terms of meaning, explicit training on morphological structure yielded better results for both grade levels and word types. However, for Grade 5 the differences across training conditions were only significant in the word definition task.Conclusion Our results support explicitly teaching the structure of morphologically complex words. Explicit instruction was effective even for older students with more reading experience.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».