Metacognitive reflection and digital skills-based reading training in \nFrench minority language schools
Notice bibliographique
Résumé
This study investigated students’ reading performance and how it relates to the use of a \ndigital reading training program combined with the use of metacognitive reflection. The \nparticipants were five grade 8 students, aged 13 and 14 years old, at a French minority language \nschool in Newfoundland. The data were collected using the following instruments: a demographic \nquestionnaire, a pre- and post-test reading performance assessment, the ELSAweb reading skills \ntraining program, and a metacognitive reflection questionnaire. The results were analyzed by \ncomparing reading speed before and after the study, computing growth scores for reading \ncomprehension before and after the study, and descriptive statistics to measure the outcomes of \nthe ELSAweb training program and metacognitive reflection questionnaire. The results of the study \nsuggest that there is a positive relationship between students’ reading performance and their use \nof the ELSAweb training program simultaneously with the metacognitive reflection questionnaire. \nThe results of the metacognitive reflection questionnaire revealed varying levels of engagement \nfrom students and demonstrated that those students who engaged more thoroughly with the \nmetacognitive reflection questionnaire obtained more significant results. The findings of this study \nare informative both at the school board level and within the classroom. The findings suggest that \nresearch-based reading training interventions are effective and should be incorporated into \ncurriculum in order to support students as they learn to read. Additionally, it suggests to teachers \nthat metacognitive reflection is a useful tool to equip students with as they are learning and building \non their new and existing skills.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».