How a Grade One English Teacher Implements Reading Instruction in Her Classroom Using Response to Intervention
Bibliographic record
Abstract
Cette étude qualitative explore la façon dont un enseignant d'anglais de première année dans une école primaire de la région métropolitaine de Montréal a mis en œuvre l'enseignement de la lecture et l'intervention dans le cadre d'une approche de Réponse à l'Intervention (RàI). Une composante essentielle de la RàI est l'enseignement fondé sur des données probantes, nécessaire pour s'assurer que tous les enfants acquièrent des compétences fondamentales en lecture. Une autre composante de la RàI comprend l'intervention précoce en lecture pour les élèves qui n'atteignent pas ces compétences de base, ce qui est essentiel pour combler l'écart avant que des problèmes de lecture plus importants ne surviennent (NRP, 2000). Les écarts de lecture sont faibles dans les premières années du primaire. Cependant, si elles ne sont pas comblées, elles continuent à croître jusqu'à ce qu'elles commencent à entraver la réussite des élèves dans toutes les matières (AECF, 2010). L'objectif de cette étude était d'examiner des exemples pratiques de RàI, en mettant l'accent sur les pratiques de lecture, et sur la manière de les mettre en œuvre dans la salle de classe. La méthodologie utilisée dans cette étude a suivi un modèle qualitatif, explorant la mise en œuvre du modèle RàI dans une classe de première année. La question principale de la recherche était la suivante : Comment une enseignante d'anglais de la région métropolitaine de Montréal met-elle en œuvre le modèle de réponse à l'intervention avec ses élèves de première année ? Les sous-questions qui ont été explorées pour répondre à la question principale étaient les suivantes : 1) quelles pratiques met-elle en œuvre pour aider les lecteurs et 2) comment l'enseignante définit-elle un modèle RàI réussi ? J'ai procédé à une analyse thématique des entretiens et des observations, qui a permis d'identifier quatre thèmes. Ces thèmes ont fourni des informations utiles qui ont permis de mieux comprendre l'approche RàI et l'importance d'un enseignement et d'une intervention précoces en matière de lecture, fondés sur des données probantes
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".