Predicting College Math Success: Do High School Performance and Gender Matter? Evidence from Sultan Qaboos University in Oman
Notice bibliographique
Résumé
The objective of this study was to evaluate the performance of students of college of Science of Sultan Qaboos University (SQU) in Calculus I course, and examine the predictive validity of the student’s high school performance and gender for Calculus I success. The data for the study was extracted from students’ database maintained by the Deanship of Admission and Registration office of SQU. The study considered a sample of 615 students who took Calculus I course during 2014 Spring semester. Both descriptive and inferential statistical techniques were used for data analysis. Predictive validity of selected factors was analyzed using Hierarchical regression analysis. The analysis revealed that female students entered in SQU with a higher average high school scores than male students, and many boys with lesser scores than girls were succeeded in getting admission in SQU. The results indicate that female students outperformed male students in both high school and college Calculus course. About 30% of the students obtained grades lower than C, of which 20% failed in the course. The proportion of students with F grade significantly higher among male students than female students (28% vs. 7%). The analysis revealed that gender, high school math score and overall high school score showed significant positive association with the performance in Calculus course. Differences among gender and high school performance should also be taken into consideration during the admission process to allow for more equal opportunities to all applicants and have fairer admission decisions.
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 | 0,001 |
| 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 ».