Peer assisted learning strategies – UK (PALS-UK): a whole class reading approach – evaluation report
Notice bibliographique
Résumé
Peer Assisted Learning Strategies – UK (PALS-UK) is a structured peer reading programme that aims to raise reading attainment by developing pupils’ oral reading fluency and reading comprehension, as well as reading motivation and self-efficacy (pupil confidence in their own reading abilities). PALS-UK is delivered to the whole class and is centred on pupils working in pairs to engage in four activities: partner reading; retell; paragraph shrinking; and prediction relay. The programme was delivered to Year 5 primary school pupils (age 9–10). The intervention was delivered three times per week for 20 weeks, with each session lasting around 35 minutes. The first four weeks focused on training pupils on the PALS-UK activities and on working together in pairs. Teachers received one day of initial training followed by a 90minute top-up training session, a programme manual, a set of 20 children’s books, and access to online support and twilight webinars. PALS was developed by Douglas Fuchs, Lynn Fuchs, and other researchers from Vanderbilt University. The intervention was adapted for the UK context and delivered by Dr Emma Vardy (Nottingham Trent University) and Professor Helen Breadmore (University of Birmingham). This efficacy trial was a two-armed, cluster randomised controlled trial. A total of 114 schools, including 4,840 pupils, participated in the evaluation. The trial evaluated the impact of PALS-UK on reading attainment, measured using the New Progress in Reading Assessment (PiRA) Summer Term Year 5 Test. It also evaluated the impact of the programme on oral reading fluency, comprehension, motivation, and self-efficacy. An implementation and process evaluation (IPE) was conducted to explore participants’ experiences of PALS-UK. This included teacher and headteacher surveys, interviews, and focus groups with pupils. The study was funded by the Education Endowment Foundation (EEF) through the Department for Education’s Accelerator Fund. The trial started in September 2022 and ended in summer 2023.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».