E-communication & Text Speak: Supporting Students' Literacy Development
Notice bibliographique
Résumé
Previous literature addresses the relationship between e-communication, text speak, and students’ academic performance. The goal of the current study was to further investigate to what extent current literacy instruction reflects newer forms of e-communication, including text speak. The researcher identified what teachers see as the main benefits and challenges associated with e-communication and text speak, and gains an understanding of how teachers are making use of e-communication and text speak to support their literacy instruction. To collect this data, the researcher completed an in-depth literature review and conducted semi-structured interviews with junior teachers who incorporate social media/technology in their classrooms. The qualitative data collected from these interviews were analyzed and the following themes emerged: 1) The benefits of text speak and e-communication for students include increased engagement and more motivated writers; 2) E-communication devices allow for instant and ongoing communication and feedback, which can create student accountability and responsibility; 3) Text speak creates a problem for student literacy in terms of students demonstrating poor punctuation, capitalization, spelling, and sentence structure in their writing; 4) The challenges of e-communication and text speak for teachers include students' distractions with technology and parents' concerns; and 5) Teachers make use of e-communication devices to support their students' literacy instruction in a variety of ways including: a) increased organization and structure in the classroom; b) improved reading skills; and c) development of vital writing skills. This research study is timely and important because of the growing use of technology in students’ lives and how e-communication and text speak can be addressed in the classroom.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».