Literacy in Early Childhood Education: Incorporating literacy through Play Based Learning utilizing an English Language Learner lens
Notice bibliographique
Résumé
Canada has seen a steady regression in literacy skills, evidenced most recently in the Progress in International Reading Literacy Study (PIRLS) assessment, which saw Canada drop from a global ranking of 12th to 18th. Canadian children continue to enter the school system with weak literacy skills. Specifically, English Language Learners (ELL), have struggled in Ontario to achieve provincial baselines; coupled with their unique learning needs, ELLs make up a large percentage of Ontario student composition. One evidence-based method for supporting the learning needs of ELL students in the primary grades is through Play-Based Learning (PBL). This approach allows students to explore language, develop vocabulary, and enhance their comprehension skills, all of which are essential components of literacy. This three-year tri-funded project is conducting a feasibility study, in collaboration with a local school board, to evaluate the viability of an in-school PBL program that is tailored to the learning needs of ELL students. To address the need for relevant, meaningful PBL material, the research team will take a novel approach by utilizing LEGO, a common manipulative in a kindergarten classroom with a high ELL population. Researchers will measure the impact on student literacy development using evidence-based methods and evaluate educators’ understandings of and confidence implementing PBL pre- and post-test. The overall goal is to advocate for elements of the program to be embedded on a provincial and national scale through ELL literacy educator training, resource sourcing and allocation, and impact measurement/assessment.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».