MétaCan
Menu
Retour à la cohorte
Enregistrement W2144062847 · doi:10.3102/01623737024003201

Do Low-Achieving Students Benefit More from Small Classes? Evidence from the Tennessee Class Size Experiment

2002· article· en· W2144062847 sur OpenAlexaboutno aff
Barbara Nye, Larry V. Hedges, Spyros Konstantopoulos

Notice bibliographique

RevueEducational Evaluation and Policy Analysis · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClass sizeDifferential effectsClass (philosophy)Mathematics educationAcademic achievementRandomized experimentPsychologyReading (process)Differential (mechanical device)Student achievementScale (ratio)Quarter (Canadian coin)MathematicsStatisticsComputer sciencePhysicsGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Recent evidence about the effects of class size on academic achievement from randomized experiments points to positive effects of small classes. However, the evidence about the mechanism producing these effects is less clear. Some scholars have argued for mechanisms that would imply greater effects of small classes for low-achieving students. This article investigates possible differential effects of small classes on achievement using data from Project STAR, a four-year, large-scale randomized experiment on the effects of class size. We examined the differential effects of small classes for students in the bottom half and bottom quarter, respectively, of their class's achievement distribution in kindergarten. Although small class effects are somewhat larger for low-achieving students in reading, the differential effects (interactions) are not statistically significant. Moreover, the small class effects for low-achieving students in mathematics are actually smaller than those for higher achieving students. Thus while there are unambiguous positive effects of small classes on achievement, there is no evidence for differentially larger effects of small classes for lower achieving students.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,109
Tête enseignante GPT0,447
Écart entre enseignants0,338 · 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

Citations96
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational Evaluation and Policy AnalysisMême sujetSchool Choice and PerformanceTravaux en français237 207