MétaCan
Menu
Retour à la cohorte
Enregistrement W4412934466 · doi:10.1080/03004430.2025.2539870

Comparing the effects of AR picture books and print picture books on preschoolers’ reading effect

2025· article· en· W4412934466 sur OpenAlexaff
Lei Wu, Ying Ma

Notice bibliographique

RevueEarly Child Development and Care · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesNational Social Science Fund of China
Mots-clésPicture booksPsychologyReading (process)Developmental psychologyMathematics educationVisual artsLinguisticsArt

Résumé

récupéré en direct d'OpenAlex

Augmented reality (AR) technology can enrich preschoolers' picture book reading experiences. This study examined differences in reading quality and comprehension between children using AR and traditional paper picture books. Ninety 5- to 6-year-old children from City S, with no prior AR exposure, were randomly assigned to an AR group or a paper book group. Data were collected to assess reading ability and comprehension. Results showed that AR picture books significantly improved reading ability and enhanced story retelling. While both groups showed similar performance on explicit comprehension and logical plot inference, the AR group demonstrated significant advantages in responding to implicit questions requiring deeper insight. Specifically, children using AR books better understood character emotions, cause-and-effect relationships, and the main idea. These findings highlight the potential of AR to support early reading development by fostering higher-level comprehension skills in preschool-aged children.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,671
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarly Child Development and CareMême sujetAugmented Reality ApplicationsTravaux en français237 207