The Impact of Dyslexia Legislation: An Analysis of Knowledge and Preparedness Among In-Service Educators
Notice bibliographique
Résumé
The primary purpose of this study was to compare the dyslexia knowledge and misconceptions and perceived preparedness for teaching students with dyslexia between New Jersey in-service educators (n = 706) and in-service educators from states without dyslexia code (n = 219). A second purpose was to compare the factors that predict dyslexia knowledge between these two groups. Educators in both groups completed a survey about their dyslexia knowledge and perceived preparedness. Findings indicated no significant overall differences in total dyslexia knowledge scores or the three subscales (i.e., general knowledge, characteristics, interventions, treatments) despite mandated dyslexia professional development in New Jersey. Further descriptive analysis of each survey item on the scale was conducted to determine if any differences were present between the groups of educators. Survey question analysis revealed that both groups share accurate knowledge on 45% of items, emphasizing a common understanding of dyslexia. However, differences emerged in 33% of the questions, highlighting nuanced knowledge differences between groups. Both groups share misconceptions about visual aspects of dyslexia, highlighting the challenge of dispelling visual processing neuromyths of dyslexia. The main effects of the multiple regression revealed that dyslexia knowledge is significantly influenced by both years of education experience and feelings of preparedness. New Jersey educators expressed significantly higher overall feelings of preparedness than educators in states without dyslexia code, suggesting potential positive impacts of mandated professional development on preparedness, though not necessarily on knowledge. Implications for in-service educators’ professional development, dyslexia legislation, and future research directions are discussed.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».