Leseforschung und ihr Potential für die bibliothekarische Leseförderung
Bibliographic record
Abstract
Zusammenfassung Die Entwicklung und Förderung von Lesekompetenz von Kindern wie Erwachsenen ist seit langem ein wichtiges Anliegen Öffentlicher Bibliotheken. Insbesondere im Rahmen der Bildungspartnerschaften haben Bibliotheken systematisch aufgebaute modulare Angebote für diesen Kompetenzbereich entwickelt. Die allermeisten Angebote der Öffentlichen Bibliotheken zielen dabei auf die Stärkung der Lesemotivation, um durch positive Leseerfahrungen die Leselust und damit durch eine erhöhte Lesehäufigkeit letztlich implizit die Lesekompetenz zu verbessern. Die Leseforschung hat jedoch in den letzten Jahren zu einem sehr differenzierten Verständnis des Leseprozesses und seiner Vorbedingungen geführt, dem die Entwicklung eines ebenso differenzierten didaktischen Instrumentariums folgte. Im Mittelpunkt dieses Ansatzes steht die Erkenntnis, dass der Komplexität des Leseprozesses nur ein entsprechend komplexes Leseförderungsmodell gerecht werden kann. Bibliotheken können von diesen Ansätzen vielfältig profitieren, wenn sie sich mit den Forschungsergebnissen vertraut machen und diese in die Entwicklung geeigneter Fördermaßnahmen umsetzen. Wenn Bibliotheken diese Herausforderung annehmen, könnte ihre Position als Lernort und Bildungspartner deutlich gestärkt werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.020 | 0.018 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.053 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".