.png){kind=icon}
返回
Predicting literacy intervention responsiveness using semi-supervised machine learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ridd.2025.105090.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于拼读法的干预措施具有高识字率无应答率
• 有必要开发模型来预测哪些个体会对干预措施产生应答或无应答
• 在儿童和预测因子的较大样本中开发了高级半监督机器学习模型
• 随机森林和高斯朴素贝叶斯模型在测试集中实现了0.7的F1分数
• 语言理解能力、视觉记忆和语言工作记忆是对干预措施应答的主要预测因子
Keyword:
phonics-based intervention
literacy non-responsiveness
machine learning models
F1 score
cognitive predictors
期刊
IF:
2.6
论文数:
539
被引数:
1.1W
机构
引用论文
暂无论文信息