MétaCan
Menu
Retour à la cohorte
Enregistrement W4405576238 · doi:10.4995/eurocall2024.2024.19061

Where the reader wanders, learning follows: Promoting accessibility, equity and inclusivity in an online literature course

2024· article· en· W4405576238 sur OpenAlexafffundabout
Roisin Dewart

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesUniversité du Québec à Montréal
Mots-clésPedagogyModalitiesEquity (law)Reading comprehensionReading (process)Context (archaeology)Cultural competencePsychologyComputer scienceSociologyMathematics educationLinguisticsPolitical scienceSocial scienceGeography

Résumé

récupéré en direct d'OpenAlex

Existing research on the use of literature with language learners promotes pre-reading activities to provide cultural background information before students begin reading to avoid issues of perceived inaccessibility (Lazar, 1990; Weng, 2012). More recent studies have highlighted the importance of cultural familiarity, which, when promoted with well-designed activities, has been shown to improve comprehension and retention for learners of a second or foreign language (Kuhi et al., 2013; Sheridan et al., 2019). In this project, a walking tour of a neighbourhood in Montreal, Canada, which was used as a pre-reading activity to promote familiarity with the cultural background of the text (Lazar, 1993), was adapted for a synchronous online learning context and offered using the course learning management system (LMS). Students’ experience reading the novel and their appreciation of the cultural context were positively impacted by this independent learning activity. The next stage of the project aims to enable more learners to participate by further exploring options to promote accessibility, equity, and inclusivity (Education Links, 2024) and present a dynamic experience for students who cannot explore the streets in person and make the activity appropriate for all learning modalities and varied student constraints.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,044
Tête enseignante GPT0,409
Écart entre enseignants0,365 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetSecond Language Acquisition and LearningTravaux en français237 207