Adapting healthy literacy diet plan as supplementary approach in vocabulary development among selected grade 7 students of Mariano Marcos Memorial High School
Notice bibliographique
Résumé
Dependent readers often read less, have less exposure to print and therefore have limited sight vocabularies (Rief & Stern, 2010). In this study, the researchers examined effectiveness of adapting healthy literacy diet plan as supplementary approach in vocabulary development. The study targeted a group of 55 identified dependent readers among selected grade 7 students of Mariano Marcos Memorial High School. The intervention consisted of two treatments; treatment 1 was for twenty-three (23) dependent readers who used the diet literacy plan and treatment 2 was for twenty-two (22) identified dependent readers who used traditional vocabulary activities. Based on the findings, the researchers found out that adapting the modified model was effective in treatment 1. The score increased from means of 9.17 to 37.17, signifying a 72.23% improvement percentage rate. In Treatment 2, the score increased from means of 9.0 to 32.5, signifying a 52.22% improvement percentage rate. As compared both post-test results of each group signify that treatment 1 who used the healthy literacy model resulted to 10.40% higher compared to the group who did not utilize the model. The comparison of the two treatments determined the significant difference using adapted and standardized methods of word reading, reading fluency, reading comprehension, word attack skills and spelling. After six months of utilization, majority of the learners made substantial improvements in reading and reading fluency. Reading comprehension enhancements were more varied with almost a quarter of participants showing remarkable progress, while the remainder recorded considerably fewer notable gains (O’Rourke et al., 2016). The results were very encouraging to the researcher and demonstrated that research validated approaches can help at-stake readers close the gap with their typically developing peers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».