The Effects of Dual-Credit Enrollment on Underrepresented Students: The Utah Case
Notice bibliographique
Résumé
<p class="abstractclass">This study considers the effects of Utah’s Dual-Credit Enrollment (DCE) and Early College High School (ECHS) programs on underrepresented students’ performance via an examination of the Utah Data Alliance longitudinal public education dataset. The study assesses standardized testing scores, high school graduation rates, dual course credits earned, higher education enrollment, time-to-completion, and degree attainment outcomes for various minority and low income student groups enrolled in DCE and ECHS programs.</p><p class="abstractclass">To limit the endogeneity and self-selection bias present in non-experimental data, the study employs Propensity Score Matching method (PMS) as a quasi-experimental design methodology. Although PMS offers many advantages, its strength as an estimator is dependent on the existence of complete and quality matching variables. To assure accurate model specifications given the available data, Receiving Operator Characteristic (ROC) Analysis is applied to variations on the PMS models.</p>Estimated outcomes reflect positive effects for each of the examined student populations differentiated by gender, race, income and English Language Learner status. The economic effects of accumulating higher education course credits and decreases in higher education time-to-completion may yield the most interesting outcomes, enjoy the strongest causal claims, and result in measurable household and state level savings. These outcomes may also reveal potential weakness in the structure of higher education course and major programming, and the difficulty presented as high school students make higher education 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 | 0,001 |
| 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 | 0,000 |
| 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 ».