이 분석의 결과는 전반적으로 형태소, 읽기, 철자법, 초등학교 학생, ESL 학생, 고학년 학생, 위험 독자에서 더 높은 결과를 보였다. Phonics는 이해, 어휘, 해독에서 더 높은 결과를 보였다. 그렇지만 나는 여러 가지 이유로 이 두 가지 교육 방법 중 어느 것이 더 우수하다고 말하는 것이 지금 당장은 편하지 않습니다. 첫째, 각 교수법의 전반적인 효능의 통계적 차이는 유사하였다. 둘째, 살펴본 메타 분석은 매우 다르며 각각 고유한 강점과 약점이 있습니다. 셋째, 이 메타분석에 포함된 어떤 논문도 MI와 PI를 구체적으로 비교하지 않았습니다. 마지막으로, 특히 데이터를 특정 결과로 분해할 때 파닉스와 비교하여 형태론에 대한 연구가 상대적으로 적습니다. 예를 들어, 1학년 이전에는 형태론적 교수에 대한 연구가 거의 없습니다. 이 접근 방식을 사용하여 교육적 방법을 비교할 수 있다고 생각하지만 전체 결과가 비슷할 때 더 어렵다고 생각합니다. 통계적 차이가 더 컸다면 한 교수법이 다른 교수법보다 더 중요하다고 말하고 싶습니다.

포함된 형태론 지침 문서에 대한 논의:

형태론적 측면에서 4가지 적용 가능한 메타 분석을 찾을 수 있었습니다. 첫 번째 메타 분석은 교육 연구 검토를 위해 Peter Bowers 박사, John Kirby 및 Helen Deacon이 2010년에 수행했습니다. 두 번째 메타 분석은 학습 장애 연구 및 실습 저널에서 Debrah Reed가 2008년에 수행했습니다. 세 번째 메타 분석은 2010년 Dr. Goodwin 등이 Vanderbilt University에서 수행했습니다. 마지막으로 2020년 Galuschka 등이 Educational Psychologists 저널을 위해 네 번째 메타 분석을 수행했습니다. 내 분석에는 모든 논문의 데이터가 각각 고유한 강점과 약점이 있다고 느꼈기 때문에 별도로 포함했습니다.
 

리드 외:

Reed의 2008년 논문은 7건의 연구를 살펴보았고 다른 논문과 비교하여 현저히 저조했습니다. 그러나 나는 포함 기준 중 일부가 마음에 들었다고 말할 것입니다. 특히, Reed 논문은 영어 교육에 관한 것이 아닌 모든 논문을 제외했지만 Bowers 논문은 영어 교육에 대해 구체적으로 언급하지 않은 4(22개 중) 연구를 포함했습니다. 또한 Reed 논문은 다른 모든 메타 분석과 달리 실험 그룹이 MI를 거의 독점적으로 수행하지 않은 연구를 제외했습니다. 이에 비해 Bowers 논문은 MI가 전체의 30% 미만인 논문만 제외했습니다. 교육 시간. 결과가 MI에 직접 기인할 수 있다는 것을 더 확신할 수 있기 때문에 이것이 Reed 논문의 강점으로 해석될 수 있다고 생각합니다. 반면에 다른 세 가지 메타 분석을 볼 때 MI의 이점을 구체적으로 살펴보는 것이 아니라 일반 교육에 MI를 추가하는 것이 가능하다고 생각합니다. 그렇다고 이 연구가 가치가 없다는 것은 아니다. 그러나 Reed 논문은 우리에게 몇 가지 매우 구체적인 통찰력을 제공합니다.

즉, Reed 논문은 신흥 독자와 관련하여 결론을 내리는 데 사용할 수 없으며 유치원은 포함 기준에서 12 학년까지 포함했지만 실제로는 3-8 학년 사이의 연구 만 포함했습니다. 이것은 NRP 논문에서 음성 지시가 3학년 이전에만 실제로 효과적이라는 것을 보여주었기 때문에 특히 문제가 됩니다. 따라서 다른 메타 연구에서 PI에 대해 발견된 효과 크기를 MI에 대해 발견된 효과 크기와 비교하는 것은 전적으로 공정하지 않습니다. 2008 리드 페이퍼. 이러한 점에서 2010년 Bowers 논문과 2010년 Goodwin 논문이 훨씬 더 유용했는데, Bowers 논문에는 3학년 이하의 실험군이 포함된 6편의 논문이 포함되어 있고 Goodwin 논문에는 3학년 이하 학생을 대상으로 한 연구 13편이 포함되어 있기 때문입니다. 접선적으로, 이 분석을 수행하기 전에 PI가 MI보다 신흥 독자에게 더 나은 결과를 보여줄 것이라고 예측했습니다. 그러나 Bowers 논문 내에서 초등학교 학년의 MI에 대한 효과 크기는 기본 학년의 PI에 대한 효과 크기보다 훨씬 더 컸습니다.

2008 Reed 논문의 한 가지 문제는 효과 크기를 계산하는 방법이었습니다. 진정한 메타 분석에서 원시 데이터는 풀링되고 효과 크기는 샘플 크기에 대한 가중치로 다시 계산됩니다. 원시 데이터를 사용할 수 없는 경우 평균 효과 크기를 사용할 수 있지만 이는 샘플 크기에 영향을 주지 않습니다. 그러나 2008년 논문에서 저자는 대신 효과 크기의 범위를 제공합니다. 이것이 효과 크기를 표시하는 더 공정한 방법이라고 주장할 수 있지만 그녀의 논문의 효과 크기를 다른 메타 분석과 비교하는 것은 매우 어렵습니다. 이러한 이유로 그녀의 논문에 표로 작성된 개별 결과를 살펴보고 각 요인에 대한 평균 효과 크기를 수동으로 계산했습니다.