MétaCan
Menu
Retour à la cohorte
Enregistrement W2073009919 · doi:10.1080/09243450600743533

The development and testing of a school improvement model

2006· article· en· W2073009919 sur OpenAlexaffabout
Kenneth Leithwood, Doris Jantzi, Charryn McElheron-Hopkins

Notice bibliographique

RevueSchool Effectiveness and School Improvement · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParental Involvement in Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStudent achievementAccountabilityGovernment (linguistics)CommissionTest (biology)Mathematics educationPsychologyDoorsVariation (astronomy)Academic achievementMedical educationPedagogyPolitical scienceEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

This multimethod study generated and tested a “best evidence” model of school improvement processes (SIP) capable of improving student achievement. Initially developed through the review of a comprehensive body of previous empirical research, the model was further refined through a 2, 5-year longitudinal study in 10 schools. A quantitative test of this refined model was then conducted using survey evidence from administrators, teachers, parents, and students in 100 elementary schools. The model as a whole explained modest but significant amounts of variation in student achievement across schools. School leadership and SIP implementation processes accounted for the largest proportion of explained variation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,314
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSchool Effectiveness and School ImprovementMême sujetParental Involvement in EducationTravaux en français237 207