Using the reading sciences and technology for teaching and learning in the Global South
Notice bibliographique
Résumé
In the Global South, persistent literacy challenges have been exacerbated by schooling disruptions during the pandemic and afterwards. Addressing this problem requires teachers who both understand how to teach reading, and can implement it effectively and efficiently. This research examines the effects of an intervention combining a technology-based teacher professional development and implementation of new knowledge and skills and ABRA-READS interactive literacy software in early-primary classrooms in Kenya and Rwanda. Participants were 22 teachers and 1341 students from Kenya and 20 teachers and 1002 students from Rwanda. This quasi-experimental research featured the experimental teachers who implemented the intervention and their matching control teachers who taught reading in their usual way. Student reading outcomes were analyzed using hierarchical linear models (HLM). Teacher practices were assessed through self-reports, observations and trace data. Teachers shifted toward more student-centered instruction that incorporated decoding and comprehension, and students demonstrated significant reading improvements across gender and ability groups. Struggling readers in experimental classes made the largest gains, closing the gap with higher-reading peers in control classes. Findings demonstrate that blended TPD instruction, combined with ABRA-READS software, can positively change classroom practice and improve all students’ reading abilities. This intervention offers a promising a strategy to mitigate learning disadvantages early by offering students equal opportunities to succeed. While the global crisis in education, especially in LMICs, persists, this research suggests a solution. • Since the pandemic, more children in the Global South lack foundational lieracy skills. • These studies tested blended teacher training and implementation of literacy software in Kenya and Rwanda. • The intervention improved teacher practices, fostering student-centered, balanced literacy instruction. • All students benefited from the intervention, especially struggling readers.
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 | 0,002 | 0,002 |
| 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 | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».