International Comparison for Literacy Improvement of Special Education Students: Korea, the U.S., Japan, and Canada
Bibliographic record
Abstract
이 연구의 목적은 한국, 미국, 일본, 캐나다의 문해력 관련 실태를 비교하여 한국 학습지원대상학생의 문해력 증진 방안을 고찰하기 위함에 있다. 비교를 위한 준거로는 문해력 추이 및 디지털 문해력 수준, 초등과정 공교육비와 비율, 국공립 초등교육과정에서 국어 시간 비율, 그리고 각국의 문해력 증진 전략이다. 그 결과 문해력 추이는 최근 10년간 미국을 제외하고는 전반적으로 낮아지고 있었다. 디지털 문해력에 있어서는 한국이 최하위권이었고 미국, 일본, 캐나다는 OECD 평균보다 높은 상위권에 속했다. 초등교육과정 공교육비 비율은 한국이 약 30%로 가장 높았고 나머지 국가들은 약 23%였다. 국공립학교 초등교육과정 국어 시간의 비율은 한국이 약 21%로 가장 낮았고, 캐나다가 비교국 중 가장 높았다. 한국은 문해력 수준이라 할 수 있는 PISA 읽기 영역의 평균 점수도 상위권에 속하고 공교육비 비율도 가장 높았지만, 학생들의 문해력이 전반적으로 낮아지고 있는 추세고 디지털 문해력은 OECD 가입국 중 최하위권이었으며 초등교육과정의 국어 시간의 비율도 가장 낮았다. 더욱이 하위권인 2단계 미만에 속하는 기초학력증진대상, 즉 학습지원대상학생의 비율은 점점 높아지고 있는 실정이다. 결론으로는 디지털 문해력에 대한 명확한 교육목표 수립, 국어 시수 확보 및 독서교육 강조, 학습지원대상학생의 문해력 관련 교사연수 확대와 학습지원대상학생 개별 포트폴리오 구축, 문해력 진단방법에 대한 과학적인 구성·접근 및 특수교육과의 협업, 지역사회와 통합적이고 적극적인 연계를 제안했다.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".