MétaCan
Menu
Retour à la cohorte
Enregistrement W6928604205 · doi:10.3886/e235344v1

Investigating Nature-based Preschoolers Gains in Early Literacy and Select Executive Function Skills

2025· dataset· en· W6928604205 sur OpenAlexaff

Notice bibliographique

RevueICPSR Data Holdings · 2025
Typedataset
Langueen
DomaineComputer Science
ThématiqueEvolutionary Algorithms and Applications
Établissements canadiensLearning Partnership
Organismes subventionnairesnon disponible
Mots-clésEarly literacyEarly childhoodLiteracyExecutive functionsWorking memoryFunction (biology)Early childhood education

Résumé

récupéré en direct d'OpenAlex

These files contain the anonymized data and analysis files used in "Investigating Nature-based Preschoolers Gains in Early Literacy and Select Executive Function Skills".<br><br>The abstract for the paper is found below:<br> Nature-based education has grown exponentially throughout the United States. However, it has yet to be determined to what extent these programs are preparing children for formal schooling in kindergarten and beyond. This study directly assessed school readiness (i.e., early literacy and executive function) skills of children who attended a nature-based preschool (n = 82; M age = 47.75 months) in comparison to children in a non-nature preschool setting (n = 58; M age = 50.16 months) in the fall and spring of one school year. Nature-based classrooms were shown to spend, on average, two hours more outside than the non-nature classrooms. Children at both locations developed skills in early literacy and some aspects of executive function (e.g., working memory and inhibitory control) at similar rates. Other aspects of executive function, such as behavioral self-regulation, were associated with greater growth for children attending more conventional classrooms. This study suggests high-quality nature-based preschools can be successful at promoting many areas of children’s school readiness but may need to be more intentional when supporting the development of some aspects of executive function. <br><br>

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,290
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueICPSR Data HoldingsMême sujetEvolutionary Algorithms and ApplicationsTravaux en français237 207