幼稚園の作文のためのタブレットベースのカリキュラムベースの測定プロトコル

ライティングは、認知処理の程度を考えると、学ぶべき最も複雑な学術スキルの1つです。手書き、流暢さ、スペル、自己調整機能などの転写スキル

注意、目標設定、改訂など、およびワーキングメモリは、テキスト生成のために連携して機能します。テキスト生成には、アイデアの生成と、すべての言語スキルに密接に関連する言語命題へのアイデアの変換の両方が含まれます。全体として、転写スキルと口頭言語スキルはどちらも、幼児期のライティング発達の強力な予測因子として認識されています。

書くことの複雑さのために、一部の学生はこの能力を習得するのが難しい経験をします。ライティング障害は、自己効力感と学業のモチベーションに悪影響を及ぼします。さらに、これらの問題は大人になっても持続し、将来の職場体験や感情的な幸福感を損なう可能性があります。

この問題を解決するには、問題が発生する前に、ライティング障害のリスクがある学生を検出するための早期評価プロトコルを用意することが重要です。広範な研究により、早期発見が予後の改善につながることが示されています。介入モデルへの対応として、カリキュラムベースの測定(CBM)は、迅速、実用的、信頼性、有効、正確、および測定時間に敏感であるため、ユニバーサルスクリーニングと進行状況のモニタリングによく使用されます。

CBMプロセスには、コース中の3つの異なるポイント(通常は秋、冬、春)での評価が含まれます。このプロセスにより、リスクのある生徒を特定し、介入を変更する必要があるかどうか、または進行が許容できるかどうかを判断することができます。しかし、読書や数学などの他の学問分野と比較した場合、ライティングプロセスの早期検出ツールに関する科学文献は限られています。

ライティング障害の長期的な影響、早期発見の重要性、カリキュラムベースの測定の利点、ライティングを目的とした利用可能な資料の不足を考慮して、T-IPAE-Kを幼稚園児向けに設計しました。このデジタルCBMは、ライティングの発達に問題のある学生を迅速かつ正確に検出し、コース中の進捗状況を監視することを目的としています。T-IPAE-Kは、コースの開始時に測定されたフォームAの3つの部分で構成されています。

フォームB、コースの真ん中にあります。そして、コースの終わりに対応するフォームC。各形式では、5つの異なるタスクがありました:1つは、アルファベットの文字をコピーすることです。

2つ目は、表現力豊かな語彙。3つ目は、名前の書き方です。4、音韻認識。

そして5つ目は、口頭での語り口です。タスクアイテムまたはプロンプトは、各フォームによって異なります。各タスクは、教育エージェントによるプレゼンテーションから始まります。

このキャラクターは、タスクを説明し、それをどのように行うべきかのモデルを提供し、次に自分でそれを行うための例を提供し、対応するフィードバックが提供されます。モデリングと各タスクの例が完了すると、緑色のチェックマークと十字の画面が表示されます。エージェントは、生徒が何をすべきかを理解したかどうかを生徒に尋ねます。

これにより、彼らがタスク手順を理解できていることを確認できます。「はい」と答えると、タスクの実行が開始されます。彼らが「いいえ」と答えた場合、指示はもう一度繰り返されます。

手順がわからなかったと再度回答した場合、タスクは終了します。学生プロファイルを作成してプロセスを開始します。学生コード、生年月日、申請日、学校名などの重要な詳細を入力します。

[保存]をクリックして新しい学生プロフィールを確定し、必要に応じて後で[変更]セクションで情報を更新します。タスクを開始する前に、すべてが機能していることを確認してください。「Examiner」をクリックし、「周辺機器の確認」をクリックして、タッチスクリーン、キーボード、音声キー、およびレコーダーの機能を確認します。

タスクにアクセスするには、[OK.To]をクリックして設定を保存し、[評価]をクリックし、[アルファベット文字のコピー]を選択します。教育エージェントに指示を与え、タスクをモデル化させます。君は手紙をとても上手に書くことを学んだと聞いています。

このゲームでは、画面に表示される文字をコピーしてもらいます。マークされた線からはみ出さないようにしてください。できるだけ早くやり、間違いを犯さないようにしてください。

手紙が書けなくても、心配しないで、次の手紙を続けてください。では、例を挙げてみましょう。私のやり方を見てください。

画面にLの文字が表示されたので、今度はその下にLの文字をコピーします。その方法に気づきましたか?今度はあなたの番です。

次の文字を見て、以下にコピーします。すごい。修正するには、メインメニューで[修正]を開き、[アルファベット文字のコピー]を選択して、正しい文字と間違った文字の両方を録音します。外部キーボードを使用して、配置、反転、ストロークなどのエラーを特定します。

生徒の鉛筆のグリップに注意してください。修正後、[保存] をクリックします。タスクにアクセスするには、「評価」をクリックし、「表現力豊かな語彙」を選択します。

教育エージェントが生徒に指示を提供し、その後にモデリングを行うことを確認します。このタスクでは、図面で遊んでみます。ゲームは、表示される画像の名前を私に伝えることで構成されています。

この図面でそれをどのように行うかを見てください。椅子。椅子と言ったのは、それが絵の名前だからです。今度はあなたの番です。

この絵の名前は何ですか?Apple.あなたはそれを非常によくやった。ご理解いただけたところで、さっそくプレイを続けましょう。

次の図面を見てください。その名前は何ですか?タスクにアクセスするには、[評価] をクリックし、[名前の書き込み] を選択します。Ship.Great.To

教育エージェントが生徒に指導とモデリングの部分を提供させてください。あなたは多くの名前の書き方を知っていると聞いています。このゲームでは、名前を書いてもらいます。

画面に表示される行に書き込む必要があります。ミスをしないように、できるだけ早くやるようにしてください。例を見てみましょう。

名前を書いていきます。今度はあなたの番です。はじめましょう。

あなたの名前は何ですか。書き留めてください。すごい。では、お友達の名前を書いていただきたいと思います。

まず、どの名前を書きたいかを考え、考えたら、画面に表示される行に書きます。ミスをしないように、できるだけ早くやるようにしてください。例を見てみましょう。

名前を考えます。友人のケビンの名前を思い浮かべたので、今度はそれを書くことにします。その方法に気づきましたか?

今度はあなたの番です。書き留めたい友達の名前を考えたことはありますか?それらを書き留めてください。

修正するには、メインメニューで[修正]を開き、[名前の書き込み]を選択して、外部キーボードを使用して両方のパーツの正しい文字と正しいスペルの名前の総数を入力します。パート2の生徒の入力を灰色のボックスに記録し、鉛筆のグリップに注意してください。修正が完了したら、[保存] をクリックします。

タスクにアクセスするには、「評価」をクリックし、「音韻認識」を選択します。教育エージェントが生徒に指示とタスクモデリングを提供できるようにします。このゲームでは、一連の単語を聞きます。

ゲームは、最初に聞いた単語の音だけを大声で言うことで構成されています。私がこの言葉でどのようにそれを行うかを見てください。最初の言葉はヘビです。

ヘビという言葉がSの音で始まる S.As、私はその音を大声で言いました。別の例でやってみましょう。梯子。はしごという言葉がLの音で始まる L.As、私はその音を大声で言いました。

今度はあなたの番です。鏡という言葉の最初の音は何ですか?M.Great.次の例に移りましょう。Ferret.F.グレート。

タスクにアクセスするには、「評価」をクリックし、「口頭説明」を選択します。教育エージェントに生徒に指示を出してもらいます。このゲームでは、あなたは私に物語を語るつもりですが、ただの物語ではありません。

ある日、目が覚めて空を飛べるようになったと想像してみてください。物語はこんな風に始まります:ある日、目が覚めると飛べるようになりました。さて、始める前に、あなたが私に何を言おうとしているのかについて少し考えてみましょう。

さて、あなたは次のように始まる物語を想像する時間があります:ある日、私は目を覚まし、飛ぶことができます。自分にできることをすべて考えてみてください。さて、私が「どうぞ」と言うと、あなたは私に話を始めます。

物語は次のように始まることを忘れないでください:ある日、私は目を覚まし、飛ぶことができます。話が終わったら、画面の終了ボタンを押してください。まずは3つから始めましょう。

すぐです。さあ、どうぞ。添削については、メインメニューで「コレクト」を開き、「オーラル・ナラティブ」を選択して、メディアプレーヤーツールでストーリーを確認します。

外付けキーボードを使用して、単語の総数、一意の単語、単語の並び、およびT単位をメモします。修正が完了したら、[保存] をクリックします。因子分析の結果は、CBM T-IPAE-Kの内部構造がすべての形態にわたって二因子構造を示すことを示しています。

最初の要素は文字起こしのスキルに対応し、2番目の要素は物語の能力に関連しています。この構造のモデル適合指数は最適なスコアを達成し、オメガ信頼性係数はフォームAで0.78、フォームBで0.80を超え、診断精度の点 C.In、フォームAは71.18の曲線下面積、感度70.47、特異度58.69をもたらしました。フォームBは、75.43の曲線下面積、71.02の感度、および70.21の特異度を示しました。

一方、フォームCは、80.03の曲線下面積、75.70の感度、72.34の特異度を示しました。これらの知見は、CBMの診断精度が学年度を通じて向上することを示唆しています。この結果は、T-IPAE-Kが、ライティング障害を呈する可能性のあるリスクのある学生を検出するための有効で信頼性が高く、正確なCBMであることを示唆しています。

すべての生徒の状態を把握し、その進捗状況を監視するのに役立つ教室ツールを使用すると、早期介入を通じて予後を改善するための予防プロトコルを開発でき、生徒が必要なサポートを確実に受けられるようにすることができます。さらに、教育者は客観的なデータに基づいて情報に基づいた決定を下すことができるため、各生徒の学習可能性を向上させるためのカスタマイズされた教育戦略と個別のサポートが可能になります。