Predictors of Performance in Introductory Finance: Variables within and beyond the Student’s Control
Notice bibliographique
Résumé
This study examined variables that are within and beyond the control of students in explaining variations in performance in an introductory finance course. Regression models were utilized to consider whether the variables within the student’s control have a greater impact on course performance relative to the variables beyond the student’s control. Among the particular variables within the student’s control were the student’s inclination to procrastinate as evidenced by the relative delay the students exhibited in commencing online homework assignments. Also, separate measures were constructed to examine the effect of the accuracy of the homework submitted and the student’s actual completion of those assignments. Class attendance was also considered. The variables largely beyond the control of the student examined in this study were a measure of how far along in the undergraduate program the student had progressed when he/she enrolled in the introductory finance course, a measure of the credit load of the student in the semester when the student took the course, the student’s gender, the student’s overall academic ability and the relative strength of the student in comprehending quantitative versus verbal concepts. For the three measures of student performance studied, average homework grade, the mid-term exam grade and the final exam grade, all of the relevant variables within the student’s control demonstrated some impact on the various measures of performance. There was persuasive evidence that the variables within the student’s control were more influential in explaining differences in student performance than the variables beyond the student’s control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».