Efficacité d'une intervention de lecture intensive de deux ans pour les apprenants d'anglais du collège ayant des difficultés de lecture (TCLD)

Hypothèse principale : les élèves bénéficiant de l'intervention RISE surpasseront ceux qui reçoivent l'instruction Business as Usual (BAU) sur les éléments liés à la lecture, y compris la lecture de mots, la fluidité et la compréhension à la fin de la deuxième année de traitement.

Hypothèse secondaire : les élèves recevant l'intervention RISE surpasseront ceux qui reçoivent l'instruction Business as Usual (BAU) sur les mesures de la lecture de mots et de la fluidité de lecture après un an de traitement.

Aperçu de la conception de la recherche

Les participants de la cohorte 1 seront recrutés à l'automne 2018 (6e et 7e années) et les participants de la cohorte 2 seront recrutés à l'automne 2020 (6e et 7e années). Les participants qui répondent aux critères d'éligibilité seront assignés au hasard à l'une des deux conditions : (1) l'intervention RISE (un cours de 45 à 50 minutes, 5 jours par semaine) ou (2) une condition de comparaison BAU. Les étudiants identifiés comme ayant des handicaps et recevant une éducation spéciale qui répondent par ailleurs à tous les critères seront autorisés à participer à l'étude et des interventions supplémentaires seront documentées. Les enseignants du traitement sont embauchés et formés par les enquêteurs. Les participants dans la condition de contrôle participent généralement à un cours au choix pendant cette période de cours (par exemple, cuisine, musique) et parfois à un cours de préparation au test d'État à enjeux élevés. Les enseignants seront affectés à une école et chargés de dispenser l'enseignement aux élèves en groupes allant de 3 à 12 élèves.

Intervenants

L'échantillon du projet 3 sera composé d'élèves de 6e et 7e année de six écoles intermédiaires à pauvreté modérée à élevée à Austin/San Antonio et à Houston avec un grand nombre d'élèves qui apprennent l'anglais comme langue seconde. Pour évaluer l'hypothèse principale, un essai contrôlé randomisé intégrant deux cohortes non chevauchantes de participants (intervention de deux ans) sera mené. Les enquêteurs identifieront un échantillon de participants à l'aide des dossiers scolaires existants et comme décrit dans les critères d'inclusion/exclusion.

La cohorte 1 sera composée de 410 Els avec des difficultés de lecture importantes, 205 affectés à l'intervention (RISE) et 205 à la condition de comparaison BAU sans intervention à partir de l'automne 2018 (année 1) et se poursuivant dans leur condition assignée en année 2 (élèves 7e ou 8e année scolaire). La cohorte 2 sera un échantillon sans chevauchement de 410 étudiants identifiés à l'aide des mêmes critères d'inclusion / exclusion et également affectés au hasard à l'intervention (RISE) ou à la condition de comparaison BAU sans intervention et restant dans cette condition jusqu'à l'année 2. Les étudiants affectés au contrôle peuvent recevoir BAU services (documenté par le chercheur) de leurs écoles, mais ne recevront pas d'intervention de lecture fournie par le chercheur. Ces deux cohortes (N = 820 étudiants) fourniront un échantillon pour alimenter pleinement l'analyse des données.

Mesures et procédures d'évaluation

Les données du projet 3 sont collectées à 4 moments (début et fin d'année pour l'année 1 et l'année 2) pour chaque cohorte, permettant une analyse des effets du traitement après un et deux ans de traitement (voir la description de l'intervention). L'équipe de recherche responsable de l'embauche, de la formation et de la supervision de la collecte de données dans les écoles, ainsi que du recrutement des écoles et des participants, est expérimentée et travaille ensemble depuis 10 ans. Les collecteurs de données sont aveugles à la condition assignée au hasard aux participants.

Les mesures de résultats primaires et secondaires sont décrites dans la section 9 (mesures de résultats).

Modalités d'intervention

L'intervention est décrite en détail dans la section 8 (Bras, groupes et interventions).

Fidélité de la mise en œuvre. La fidélité de la mise en œuvre sera évaluée au minimum trois fois par an par enseignant d'intervention. Tous les enseignants d'intervention enregistreront toutes les leçons d'intervention. Un échantillon aléatoire d'enregistrements sera sélectionné et les indicateurs clés de l'adhésion à la mise en œuvre de l'intervention et de la qualité de la mise en œuvre seront évalués par un codeur. Tous les codeurs seront formés et la fiabilité sera établie avant le codage indépendant.

Professeurs d'intervention. Sur chaque site, du personnel hautement qualifié embauché et supervisé par les enquêteurs dispensera tous les traitements. Ces enseignants recevront 20 heures de formation avant la mise en œuvre, puis une formation continue et un soutien sur place pendant au moins 10 heures par mois. Tous les traitements seront dispensés quotidiennement en groupes d'environ 8 à 11 étudiants pendant 50 minutes par jour.

Condition de comparaison Business as Usual (BAU). Les étudiants affectés au BAU ou à la condition de comparaison participeront à un cours au choix comprenant des options telles que la musique, la cuisine, le cinéma, le temps d'étude ou la préparation aux tests à enjeux élevés. Ces étudiants participeront au programme éducatif normatif complet de leurs écoles, mais ne recevront aucune instruction de l'équipe de recherche.

Gestion de données

L'acquisition des données. L'équipe de gestion des données élaborera des formulaires d'acquisition de données et des lignes directrices pour remplir ces formulaires. Lorsque des modifications aux procédures ou aux formulaires sont nécessaires, le personnel de gestion des données communiquera ces modifications au personnel de chaque site et veillera à ce que les manuels de procédures et de formulaires soient correctement mis à jour. Le personnel de gestion des données veillera également à assurer l'uniformité de la mise en page des formulaires, de la révision des formulaires et de la numérotation des formulaires. Le personnel chargé de la gestion des données et des statistiques travaille également avec les gestionnaires de données pour effectuer des vérifications des données afin de s'assurer que les taux d'erreur sont négligeables pour tous les champs de données.

Gestion de données. Le personnel de gestion des données mène toutes les activités de conception, de gestion et de collecte de bases de données de manière à ce que toutes les données du projet soient écrites dans l'entrepôt de données du Texas Institute for Measurement, Evaluation, and Statistics (TIMES). L'entrepôt est conçu pour une intégrité et une normalisation maximales des données au sein et entre les projets, tout en permettant la flexibilité nécessaire entre les projets TIMES dans leurs conceptions et leurs mesures et méthodes spécifiques. L'utilisation de l'entrepôt comme principale structure de données de gestion de projet augmente la standardisation entre les projets. L'entrepôt construit également automatiquement une piste d'audit électronique de toutes les activités de gestion des données qui entraînent la modification d'un seul élément de données, ce qui, avec la normalisation, est essentiel au contrôle de la qualité des bases de données électroniques.

L'analyse des données

Stratégie globale, méthodologie et analyses. Les caractéristiques descriptives des données seront examinées avant l'analyse. Les variables dépendantes non normales seront transformées (logarithmique, racine carrée, inverse, etc.) si nécessaire et approprié. Les valeurs aberrantes seront identifiées à l'aide d'une analyse z-score modifiée et traitées au cas par cas en fonction de leur effet de levier et de leur influence dans des modèles spécifiques. Les hypothèses selon lesquelles les erreurs sont normalement distribuées, homoscédastiques et indépendantes entre les unités d'échantillonnage et les niveaux du modèle seront évaluées en analysant les résidus. Les résidus aux niveaux supérieurs sont généralement supposés être normaux multivariés et indépendants des erreurs de niveau inférieur. Les chercheurs compléteront les analyses résiduelles par des diagnostics d'influence. L'hétérogénéité sera abordée en fonction de sa ou ses sources apparentes, en utilisant des transformations non linéaires de prédicteur et/ou de variables dépendantes, le cas échéant et nécessaire. Les chercheurs aborderont l'hypothèse de recherche principale dans le contexte de groupes multiples (intervention RISE c. BAU), de modèles de régression à plusieurs niveaux et d'équations structurelles (SEM).

Plan analytique. Des régressions à plusieurs niveaux et à plusieurs groupes et des SEM seront ajustés pour estimer l'effet principal du traitement sur 1) les résultats de la lecture et de la fluidité des mots après 1 an d'intervention et la lecture, la fluidité et la compréhension des mots après 2 ans d'intervention. Pour chaque modèle, les scores du prétest seront centrés selon les besoins et utilisés comme covariables de niveau 1. Les moyennes au niveau de l'école au prétest seront incluses en tant qu'"effets contextuels" afin de minimiser la variabilité au niveau de l'école, améliorant ainsi la puissance statistique. Les effets principaux du traitement (en supposant un modèle d'intention de traiter) seront estimés au niveau de l'élève en comparant les moyennes post-test conditionnelles pour le groupe RISE et le groupe BAU dans le contexte de modèles imbriqués. Les indices d'ajustement pour le modèle spécifique au groupe (c'est-à-dire les moyennes post-test uniques estimées pour chaque groupe) et le modèle contraint (c'est-à-dire les moyennes post-test fixées comme égales entre les traitements et les groupes) seront comparés et la différence (Δχ2) sera testée par rapport à la valeur critique qui correspond à la différence de degrés de liberté entre les modèles (Δdf). Les tailles d'effet seront calculées en tant que haies g.

Puissance et taille d'effet. La simulation des données a été utilisée pour estimer la puissance statistique de l'effet principal sur les résultats des élèves. Ceux-ci sont destinés à servir d'exemples pouvant être appliqués à tous les résultats primaires et secondaires. Pour estimer la puissance, la nidification au niveau du site et de la cohorte est ignorée, car les corrélations intra-classe dans les études précédentes dans des écoles similaires ont été négligeables lors du contrôle du prétest. De plus, l'imbrication partielle a été ignorée sur la base des résultats antérieurs d'interventions pluriannuelles à plusieurs cohortes et de conceptions partiellement imbriquées mises en œuvre dans ces deux sites. Lors du blocage sur les écoles et lors du contrôle des covariables au niveau de l'école, les effets de regroupement du site, de la cohorte et des petits groupes d'enseignement étaient insignifiants pour les résultats liés à la compréhension (.00-.01 pour l'intervention de 2 ans avec emboîtement partiel). La variabilité de la taille de l'effet ne différait pas statistiquement de 0 (σδ2 < 0,0001), suggérant des effets thérapeutiques fixes.

Les analyses de puissance ont supposé un échantillon de temps 1 de 820 élèves dans 6 écoles (n = 205/école). Dans le modèle de population, les enquêteurs ont assigné au hasard les cas au traitement ou au BAU au sein des écoles. Les enquêteurs ont spécifié que l'attrition des étudiants était de 0,10 annuellement pour les deux conditions entre les sites et entre les cohortes sans attrition différentielle par condition ou par interactions impliquant la condition, suggérant un échantillon d'environ 740 étudiants au moment de l'évaluation 2 (printemps année 1) et 670 au moment de l'évaluation 4 (printemps année 2). Un taux d'attrition annuel de 10 % est conforme aux études antérieures menées par l'équipe de recherche dans des écoles similaires. Les enquêteurs ont modélisé une covariable au niveau de l'école pour le prétest afin de maximiser la puissance. Dans des travaux antérieurs, les mesures pré-test des résultats en lecture des élèves (c.-à-d. lecture de mots, compréhension, etc.) représentaient environ 75 % de la variance des résultats. Les scores de lecture post-test ont été modélisés comme normaux multivariés avec une moyenne de 0 et une variance de 1 dans la population non traitée. Pour la sous-population affectée au traitement, la moyenne post-test a été fixée à 0,20, ce qui représente une différence moyenne standardisée au niveau de la population entre le traitement et le contrôle). Un effet de traitement lié à la littératie de 0,20 représente un impact significatif dans cette population, à la fois sur les mesures de lecture au niveau des mots et sur les résultats en compréhension de lecture, en orthographe et en écriture.

Dans le modèle d'échantillon, les enquêteurs ont estimé les moyennes post-test en tant que paramètres libres dans les conditions de traitement et de comparaison, en utilisant les valeurs de la population comme valeurs de départ. La probabilité de rejeter l'hypothèse nulle lorsqu'elle est fausse (c'est-à-dire la puissance statistique) était de 0,99 lorsque les effets de modélisation étaient fixes (σδ2 = 0) pour les échantillons de 740 et 670. Le biais de l'estimateur72 était inférieur à 1 %. Sous les mêmes hypothèses, une différence moyenne standardisée de 0,10 était associée à une puissance d'au moins 0,80. Les estimations de puissance ont été calculées pour des tests indépendants de signification statistique. Cependant, bon nombre des contrastes ci-dessus ne sont pas indépendants. Pour contrôler l'erreur de type 1 gonflée associée aux comparaisons multiples, les chercheurs proposent l'approche Step M pour les modèles à effets multiples et mixtes et les données hiérarchiques, qui tire parti de la structure de dépendance des statistiques de test individuelles et offre une approche plus puissante que les alternatives de traitement. erreur de famille dans une donnée imbriquée.