MétaCan
Menu
Retour à la cohorte
Enregistrement W4408358862 · doi:10.1080/10901027.2025.2473738

Preschool teachers’ use of research-informed literacy-promoting practices: implications for teacher training

2025· article· en· W4408358862 sur OpenAlexaff
Tomoko Wakabayashi, Katherine S. Homant, Mingyang Liu, Malachy Bishop, Adam Scott LeRoy

Notice bibliographique

RevueJournal of Early Childhood Teacher Education · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesMichigan Department of Education
Mots-clésPsychologyTraining (meteorology)LiteracyPedagogyTeacher educationEarly childhood educationEmergent literacyMathematics educationMedical education

Résumé

récupéré en direct d'OpenAlex

This study examined preschool teachers’ use of the ten research-informed literacy promoting practices included in Michigan’s Essential Instructional Practices for Early Literacy for Prekindergarten (hereon, Essentials Pre-K). We also explored the relationship between the use of Essentials Pre-K and early language and literacy quality in preschool classrooms as measured by the Early Language and Literacy Classroom Observation or ELLCO Pre-K. Thirty prekindergarten classrooms from four counties in Michigan were observed. When teachers implemented the Essentials Pre-K, they naturally grouped the ten recommended practices into three major clusters. These naturally-occurring clusters largely overlapped with the statewide Essentials Pre-K training developed by literacy experts. We also found that when teachers implemented the Essentials Pre-K practices in line with how they were designed, their classrooms scored higher on ELLCO Pre-K. Findings support Michigan’s Essentials Pre-K as highly promising in guiding early childhood teachers in their literacy-promoting instructions, with implications for teacher training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,111
Tête enseignante GPT0,458
Écart entre enseignants0,346 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Early Childhood Teacher EducationMême sujetReading and Literacy DevelopmentTravaux en français237 207