Achieving Literacy Equity by Practicing Excellence: Ontario Teachers’ Shift to Science of Reading Approaches
Notice bibliographique
Résumé
Findings from the OHRC’s Right to Read (2022) Inquiry revealed that the approach to early reading used in many Ontario schools does not align with the science of reading and fails our most vulnerable students despite research on effective literacy instruction being widely available and well established. While the research on effective literacy instruction has been known to literacy teachers and researchers for decades, other teachers are being confronted with the realization that the literacy practices they have used for decades were not based in reading research and supportive of all children. The purpose of this study was to provide insight into the evidence-based instructional strategies Ontario teachers implementing the science of reading are utilizing in their classrooms. Using purposeful sampling, this study recruited three primary (K-3) literacy teachers who had additional training in evidenced-based literacy practices and began implementing these practices into their classrooms within the past five years. To answer the research questions, this study utilized a qualitative, multiple case study design. Findings include: 1) a number of strategies for teaching the five components of effective reading instruction, 2) that participants learned about the science of reading and the evidence-based approaches they implement from self-initiated learning, 3) that participants utilized their professional knowledge to plan, implement, and deliver evidence-based literacy instruction even without support from their school board, 4) that there is still a significant amount of variability in the way school boards across Ontario are responding to the Right to Read report and discussions surrounding evidence-based literacy practices, and 5) that teachers lack evidence-based resources and materials for implementing the science of reading. Further research is needed to determine how to: 1) support teachers shifting to evidence-based literacy instruction, 2) implement system wide professional development for Ontario educators, and 3) facilitate teacher buy in.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,016 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».