Is a Phone‐Based Language and Literacy Assessment a Reliable and Valid Measure of Children's Reading Skills in Low‐Resource Settings?
Notice bibliographique
Résumé
Abstract Technology‐based remote research methods are increasingly widespread, including learning assessments in child development and education research. However, little is known about whether technology‐based remote assessments remain as valid and reliable as in‐person assessments. We developed a low‐cost phone‐based language and literacy assessment for primary‐school children in low‐resource communities in rural Côte d'Ivoire using voice calls and SMS. We compared the reliability and validity of this phone‐based assessment to an established in‐person assessment. A total of 685 5th grade children completed language (phonological awareness, vocabulary, language comprehension) and literacy (letter, word, pseudoword, passage reading, and comprehension) tasks in‐person and by phone. Reliability (internal consistency) and predictive validity were high across in‐person and phone‐based tasks. Children's performance across in‐person and phone‐based assessments was moderately to strongly correlated. Phonological awareness and vocabulary skills measured in‐person and by phone significantly predicted in‐person and phone‐based letter, word, and pseudoword reading. Oral language and decoding skills measured in‐person and by phone significantly predicted in‐person and phone‐based passage reading and comprehension. Our phone‐based assessment was a reliable and valid measure of language and reading and feasible for low‐resource settings. Low‐cost technologies offer significant potential to measure children's learning remotely, increasing the inclusion of remote and low‐resource populations in education research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».