中級読者の間で知識からテキストへの推論を形成する際の知識のアクセス可能性と可用性 (BVU-R15)

このプロジェクトは、次の 3 つの目的で実験研究を実施します。 (1) 知識の利用可能性とアクセスしやすさの変動が、推論形成の速度と精度にどの程度影響するかを判断する。 (2) 個人差要因が推論の説明や読解のばらつきの潜在的な原因となっているかどうかを調査する。 (3)体系的な検索の実践により、知識の可用性とアクセスしやすさ、さらには知識ベースを使用した推論の精度と速度の両方が向上するかどうかを判断すること。 研究 1 の概要。 手順は Barnes らによって使用された手順を変更しています。 （1996年）。 フェーズ 1 では、学生はガンに関する 14 の事実の知識ベースを学びます。 フェーズ 2 では、学生は 6 つのセクションで構成される情報テキストを読んだり聞いたりします。 コンピュータは、テキストセクションと教えられた知識ベースからの情報を利用して学生に理解度を問う質問をします。 フェーズ 3 では、知識ベースの保持を再テストします。 1 週間後、フェーズ 4 で知識ベースが再テストされ、学生はより多くのテストを受験します。 すべての学生はフェーズ 1 ～ 4 を個別に完了します。 研究参加者 (n = 300) は、ストーム レイク コミュニティ学区の 5 年生から 8 年生 (n = 657) の生徒で、男性と女性の両方が参加のために募集されます。 学区は人口統計データ、アイオワ読解評価の読解スコア、およびゲイツ・マクギニティ読解テストの読解スコアをすべての参加者に提供し、研究者はそこから治療群または対照群の生徒を無作為に選択します。 研究者は、サンプルから外れた生徒を、同意はしたがランダムに参加対象として選ばれなかった同じ学年の生徒と置き換えます。 課題の要求により、ライフスキルクラスに参加する重度の認知障害（重度の自閉症、行動障害、認知障害など）を持つ生徒は参加から除外されます。 追加の評価では、読解力、推論、単語の読解効率、メタ認知、作業記憶、背景知識の構成要素を測定します。 各構成要素の複数の測定により、研究により、(a) 潜在能力間の関係が特定されます。 (b) 測定固有の要因や測定誤差とは独立した、読解力の確立におけるこれらの潜在能力の役割。 (c) パフォーマンスのばらつきにつながる個人差。 データ分析。 研究者は欠損データと外れ値をスクリーニングし、観察された変数の分布特性を評価し、必要かつ適切に変換を行います。 可能であれば、調査者は、妥当性のない値を相関付けるか、不可能であれば欠落値としてリストし、極端なデータ ポイントにラベルを付けます。 力。 構造方程式モデリング (SEM) におけるサンプル サイズに関する一般的な推奨事項では、最小サンプル 300 (つまり、5 ～ 8 年生ごとに 75 人の参加者) が推奨されています。 このサンプルサイズにより、研究チームは 0.05 を超える構成要素間の相関と、0.05 の潜在変数回帰の回帰係数を 80% 以上の検出力で検出できるようになります。 生物学的変数の考慮。 研究を十分に強化し、結果を一般化するために、この研究では男性と女性の参加者を募集し、性別、人種、障害の有無、社会経済的ステータスを収集して、これらの子供が知識へのアクセスしやすさと利用可能性が中程度であるかどうかを判断します。 分析的アプローチ。 研究者は、理解度の分布を二分することなく、知識の入手可能性とアクセスしやすさが推論に及ぼす影響をモデル化します。 読者の特性（つまり、知識の利用可能性とアクセスしやすさ、メタ認知、読解力、単語の読解効率、背景知識、作業記憶、成績）が推論に独自の寄与をしているかどうかを判断するために、研究者は、混合効果の説明項目応答モデルを、試行ごとの推論により、人物とアイテム間で相互分類されたアイテムレベルの精度と読み取り速度による精度と速度のデータが作成されます。 調査者はまた、学年内で人々をネストし、学年や項目などの人々のグループ化変数 (つまり、リテラル推論、単語からテキストへの推論、知識からテキストへの推論) を固定要素として扱います。 精度データに限定的な変動が存在する場合、調査者は応答時間データのみをモデル化します。 研究者はまた、知識の組織化が知識へのアクセスと推論の作成にどのように関係しているかを評価します。 構造方程式モデリングは、構成要素間の関係（つまり、理解力、単語の効率、推論、知識のアクセスしやすさと利用可能性、メタ認知、作業記憶）を評価して、読解における知識のアクセスしやすさと利用可能性の役割、および知識のアクセスしやすさと利用可能性に影響を与える要因を決定します。 。 Cainらを使用します。 (2001) のフレームワークでは、研究者は各推論の失敗を (1) 不正確なテキストと前提の想起 (つまり、参加者がテキストから関連する前提を取り出すのに失敗する) として分類します。 (2) 不正確な知識ベースの想起（つまり、参加者が知識ベースから関連する前提を取得できない）。 （3）統合の失敗（つまり、参加者がテキストコンテンツと知識の統合に失敗する）。 誤った推論応答に関する従来の二元配置分散分析 (スキル グループ X 推論タイプ) は、アイオワ読解評価の習熟度およびゲイツ・マクギニティ読解テストの標準スコア 90 を超える成績を達成したと定義される熟練した読者で行われます。 研究者は、熟練した読者とそれほど熟練していない読者の平均値のみを比較します。 研究者らは次のような仮説を立てています: (1) 熟練度の低い中学年の読者は、熟練した読者よりも間違いが多い。 (2) 熟練度の低い読者は、熟練した読者に比べて、読書中に推論を行う必要性を必ずしも認識するとは限りません。 (3) 中級グレード間では有意差は存在しない (Ahmed et al., 2016; Barth et al., 2015; Barnes et al., 2015)。 目的 1 の結果から、熟練度の低い読者が熟練度の高い読者と同様のメリットを達成するために検索練習の時間を長くする必要があるかどうか、また、熟練度の低い読者が情報を読む際に利用しやすくアクセスしやすくするために教えられた知識ベースを整理するのに支援が必要かどうかがわかります。目的 2 - 検索の練習 (つまり、間隔をあけた練習テスト) が知識の利用可能性とアクセスしやすさを高め、中級の読者の間でその知識ベースを使用して推論を形成する精度と速度をどの程度向上させるかを調べること。 研究 2 では、Butler (2010) が使用した手順を変更した手順を使用します。 フェーズ 1 では、学生はガンに関する 14 の事実の知識ベースを学びます。 フェーズ 2 では、学生は 6 つのセクションからなる情報テキストを読んで学習し、これら 6 つのテキストを学習した直後に学生の知識ベースの保持を再評価します。 フェーズ 3 では、学生はテキスト セクションのうち 2 つを再学習し (再学習パッセージ)、別の 2 つのテキスト セクションで同じテストを繰り返し受け (同じテスト)、他の 2 つのテキスト セクションで異なるテストを繰り返し受けます (変数テスト)。 6 つのテキスト セクションすべてを操作した直後に、プロジェクトは知識ベースの保持を再評価します。 フェーズ 4 は 1 週間後に行われ、生徒の知識ベースの保持を再度評価し、目的 1 と同じ追加のテストを実施します。研究参加者 (n = 180) は、ストーム レイク コミュニティ学区の 5 年生から参加します。 8. 研究者らは、学生が多様な社会経済的および民族的背景を持っていることを予想しています。 学生の選択と除外。 2019 年の秋に、研究室助手が学生を募集し、ゲイツ・マクギニティ読解テストで学生を選別します。 参加者として選ばれた生徒: (1) ゲイツ・マクギニティ読解テストの成績が標準スコア 90 未満である。 (2) 目的 1 には参加しませんでした。 (3) 課題が適切であるため、ライフスキルクラス（つまり、重度の自閉症、行動、認知障害）に登録されていません。 研究者は、学生が受けた追加サービス (肩書き、特別教育、読書サポートなど) を文書化し、後の分析でそれらを文脈変数として含めます。 パワーとデザイン。 研究者らは、グループ間の差異については 136 人の参加者、グループ内差異については 36 人、相互作用については 180 人の参加者において、エフェクト サイズ 0.25、アルファ 0.05、検出力 80% 以上のサンプルを推定しました。 ランダム化は学年内で行われ、5 年生のすべての資格のある生徒は目標 1 に参加していないため、ランダム化の対象となります。 研究者らは、減少率は 20%、つまり参加者合計 36 人であると推定しており、参加者として無作為に選ばれなかった同意済みの学生のプールから脱退した参加者を補充する予定です。 生物学的変数の考慮。 研究を十分に強化し、結果を一般化するために、この研究では男性と女性の参加者を募集し、性別、人種、障害の有無、社会経済的ステータスを収集して、これらの子供が知識へのアクセスしやすさと利用可能性が中程度であるかどうかを判断します。 データ分析。 目的 1 と同様に、研究者は欠損データと外れ値をスクリーニングし、観察された変数の分布特性を評価し、必要かつ適切に変換を行います。 可能であれば、調査員は、妥当でない値を修正するか、調査員が修正できず極端なデータ ポイントにラベルを付けることができない場合は欠落値としてリストします。 分析的アプローチ。 データ分析では、反復測定分散モデル分析を使用して、知識の保持に対する実験条件の影響を調査します。 個別の ANOVA は、質問タイプ (つまり、明示的なテキスト質問、単語からテキストへの質問、推論質問) および条件ごとのさまざまなエラー タイプで得られたスコアを分析します。 目標 2 (および目標 1) の結果と追加の分析は、学部の研究室助手によって実施される独立した研究プロジェクト (目標 3) に情報を提供します。目的 3. 調査研究を学部の優等研究プログラムに統合すること。 この提案は、優等生提案セミナーのためのラボコンポーネントの開発をサポートします。 この 2 年生レベルのセミナーでは、研究提案書の組織構造 (つまり、導入、仮説、方法のセクション) に焦点を当てます。 実験室コンポーネントでは、学校での応用研究の実践における実践的な経験を学生に提供します。 学生はまた、青少年の読書および読書関連スキルに関連する興味深い質問を検討するために既存のデータにアクセスできるため、青少年の研究実施に対する学生の関心と熱意が高まります。 研究室の概要。 このプロジェクトでは、毎週 2 時間開催される 2 学期制の実験室コース (例: 32 セッション) を作成します。 ラボセッションでは治験審査委員会への申請に取り組みます。学校職員との適切な関わり。被験者の募集。親/保護者の同意。子供の同意。研究課題と仮説の形成。実装の忠実度。実験計画;データの入力と検証。データの分析。そして、調査結果（つまり、原稿、プレゼンテーション、講演ポスター）を議論し、報告し、出版すること。 年間を通して、学生は一次文献にも取り組み、最終的には適切な序文、方法、結果、議論を含む一次雑誌論文の投稿で最高潮に達します。