An Investigation of Reading Strategy Patterns Recruited by Bilingual Adults and Children
Bibliographic record
Abstract
Les auteurs s’intéressent aux schémas de stratégies de lecture employés par les adultes et les enfants bilingues anglais-français dans les deux langues. Ils procèdent à une analyse approfondie des schémas de stratégies chez un sous-ensemble de lecteurs compétents et de lecteurs moins habiles, en s’appuyant sur de précédents ensembles de données. La réflexion à haute voix sur de courts passages de textes livre des données révélant que, dans l’ensemble, les adultes ont recours à davantage de stratégies que les enfants, et les lecteurs compétents utilisent davantage de stratégies que les lecteurs moins habiles. Il appert notamment que les lecteurs compétents ont recours à une plus grande variété de stratégies en associant davantage de stratégies fondées sur le sens (synthèse et inférences nécessaires, par exemple) à des stratégies complexes (inférences d’élaboration et prévision, par exemple). Les auteurs analysent les répercussions de ces résultats pour les chercheurs et les éducateurs bilingues. Ils offrent plus précisément des suggestions visant la mise en œuvre d’une intervention directe, en matière de stratégies, encourageant les lecteurs à faire appel à ces schémas de stratégies lorsqu’ils lisent dans les deux langues.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".