Retaining Black Students in Engineering: Do Minority Programs Have a Longitudinal Impact?
Notice bibliographique
Résumé
In an effort to assist minority populations who are at risk of attrition in science, mathematics, and engineering programs, university administrators have launched and evaluated minority support programs. One such program implementation and evaluation was completed and reported, which noted trends in academic outcomes of program participants, such as grade point averages and standardized mathematics and science reasoning test scores, with participants' outcomes observably exceeding those of a similar sample of nonprogram participants (Good, Halpin, & Halpin, 1999). As is true with many program evaluations, however, this data only revealed information concerning achievement of the students in the freshman year and did not follow the students' success into subsequent years after program completion. Therefore, the purpose of this study was to examine if an effect on academic achievement occurred throughout the participants' sophomore years of study and if participants in the program were more likely to remain within the College of Engineering as a result of program involvement. The data source for this study was 58 African-American students enrolled in a pre-engineering program at a large land-grant university (34 volunteer program participants and a comparison group of 24). Quarter grade point averages and retention status were collected for both groups throughout their sophomore years. In addition, 12 of these students (six per group) were interviewed concerning their freshman year pre-engineering experiences. Results of this study indicate that, although benefits to academic achievement due to academic support encountered during the freshman year may possibly diminish over time, the effects of engaging in such programs on actual retention remain of significant interest to program administrators and researchers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».