Gender bias in the Trends in Mathematics and Science Study 2003 (TIMMS) for Canadian students
Notice bibliographique
Résumé
This study is a secondary data analysis of the Trends \nin Mathematics and Science Study 2003 (TIMSS) to determine \nif there is a gender bias, unbalanced number of items \nsuited to the cognitive skill of one gender, and to compare \nperformance by location. Results of the Grade 8, math \nportion of the test were examined. \nItems were coded as verbal, spatial, verbal /spatial or \nneither and as conventional or unconventional. A Kruskal- \nWallis was completed for each category, comparing \nperformance of students from Ontario, Quebec, and \nSingapore. A Factor Analysis was completed to determine if \nthere were item categories with similar characteristics. \nGender differences favouring males were found in the \nverbal conventional category for Canadian students and in \nthe spatial conventional category for students in Quebec. \nThe greatest differences were by location, as students in \nSingapore outperformed students from Canada in all areas \nexcept for the spatial unconventional category. Finally, \nwhether an item is conventional or unconventional is more \nimportant than whether the item is verbal or spatial. \nResults show the importance of fair assessment for the \ngenders in both the classroom and on standardized tests.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».